Upload
maykabla
View
9.283
Download
0
Embed Size (px)
DESCRIPTION
Citation preview
UNIVERSIDAD AUTONOMA DE BAJA
CALIFORNIA
Métodos de Investigación
Diseño
Barragán Mayra
Sánchez Blanca
Uribe Ana Karen
Tijuana B.C.
12/02/2009
DISEÑO
Autor: Sampieri.
Plan o estrategia concebida para obtener información que se desea.
Señala al investigador lo que se desea. Señala al investigador lo que se debe
hacer para alcanzar los objetivos de estudio y para contestar las interrogantes
de conocimiento que ha planteado.
Diseño Cuantitativo Diseño Cualitativo
El investigador utiliza el diseño para
analizar la certeza de las hipótesis
formuladas en un contexto en
particular o para aportar evidencia
respecto a los lineamientos de
investigación.
Se puede o no concebir un diseño
para analizar la certeza de la
investigación, la implementación de
uno o más diseños se vuelve más
flexible.
Diseño de investigación cuantitativa.
En el enfoque cuantitativo se analiza la certeza de que las hipótesis formuladas
en un contexto en particular o para aportar evidencia respecto de los
lineamientos de investigación.
En la investigación disponemos de distintas clases de diseños preconcebidos y
debemos elegir uno o varios entre las alternativas existentes, o desarrollar
nuestra propia estrategia.
Diseño de investigación cuantitativo.
Autor: Namakforoosh, Mohammad.
El diseño de investigación es un programa que especifica el proceso de
realizar y controlar un proyecto de investigación, es decir, el arreglo escrito y
formar las condiciones para recopilar y analizar la información, de manera que
combine la importancia del propósito de la investigación y la economía del
procedimiento.
Como implica la definición el diseño de investigación consiste en dos distintos
aspectos:
1. El diseño es como un plan sistemático, o una serie de instrucciones para
realizar un proyecto de investigación, tal como un plano de construcción.
2. El diseño implica dinero, recursos humanos y tiempo, es decir controla
presupuesto y tiempo del proyecto.
Usar un diseño formalizado y escrito aumenta la probabilidad de que la
investigación proporcione la información deseada para tomar decisiones. La
información debe ofrecer precisión, actualidad, suficiencia, disponibilidad y
relevancia. Es posible realizar una investigación sin un diseño formal, pero la
posibilidad de incumplimiento y problemas durante el proceso de
investigación es alta. Realizar una investigación sin un diseño formal es como
construir un edificio sin un plano de construcción, con el cual es posible que el
edificio resulte más caro, que se termine en más tiempo y que además no se
parezca a lo que el constructor visualizó o pensaba en un principio.
Importancia de la investigación cuantitativa.
El diseño permite evaluar varias alternativas antes de realizar el proyecto.
Además, crea mayor seguridad en lo que se va hacer, ahorra tiempo y da
mayor flexibilidad porque obliga al investigador a prever eventos inesperados.
Además un diseño formal y escrito aumenta la comunicación entre
administrador (gerente) e investigador y permite evaluar el proyecto.
El diseño en el paradigma cualitativo.
Autor: Stake, Robert E.
Según este autor los siguientes puntos los que describen el diseño en el
paradigma cualitativo.
Requiere de organizar conceptual.
Ideas que expresen la comprensión que se necesita.
Puentes conceptuales que arranquen de lo que ya se conoce.
Estructuras cognoscitivas que guíen la recogida de los datos.
Esquemas para presentar las interpretaciones a otras personas.
Autor: Goetz, J.P.
Describe el diseño en el paradigma cualitativo es quien describe a esté de la
siguiente forma.
Con estos diseños, los etnógrafos intentan describir y reconstruir de forma
sistemática y lo más detalladamente posible las “ características de las
variables y fenómenos, con el fin de generar y perfeccionar categorías
conceptuales, descubrir y validar asociaciones entre fenómenos, o comparar
los constructos y postulados generados a partir de fenómenos observados en
escenarios distintos.
Intenta describir y reconstruir de forma sistemática las características de
las variables y fenómenos.
Generar y perfeccionar categorías conceptuales, descubrir y validar
asociaciones entre fenómenos.
Comparar los constructos y postulados generados a partir de fenómenos
observados.
Diseños mixtos (Trazo dividido)
Autor: David Clark – Carter.
El experimento clásico o de grupos, pre prueba, pos prueba. En este diseño se
forman dos grupos y como el nombre lo sugiere cada uno se prueba antes de la
intervención. Luego se trata a cada uno de manera diferente y se vuelve a
probar. Un grupo puede servir de control. Por ejemplo, se asignan
aleatoriamente los participantes a dos grupo. Se miden sus niveles de tensión.
A cada grupo se capacita de maneras individual y colectiva para relajamiento
en una clínica. A los del segundo no se da tratamiento. Al cabo de dos meses,
se mide otra vez el nivel de tensión de cada sujeto.
Grupo 1
Observación
VI Nivel 1
Observación
Grupo 2
Observación
VI Nivel 1
Observación
Diseño de dos grupos, pre prueba, pos prueba
Mixto o mezclado de dos vías. Una variación del diseño mixto supone dos VI,
pero una como variable intrasujetos y la otra entre sujetos. Por ejemplo, cuando
en el estudio de reconocimientos de rostros se mide a ciertos participantes con
fotografías, familiares y no familiares, puesta de cabeza, y a otros, solo con
caras presentadas de manera convencional.
Diseño mixto que incluye dos VI
Grupo 1
VI 1 nivel 1
VI 2nivel 1 VI 2nivel 1
Observación Observación
Grupo 2
VI 1 nivel2
VI 2nivel 1 VI 2nivel 1
Observación Observación
Otro caso de lo anterior ocurre cuando una VI es un bloque, y los bloques se
han formado en orden para contra restar los efectos del orden. Por ejemplo,
cuando en un experimento relacionado con la memoria una VI es la pausa
antes de recordar, con dos niveles (después de 5 y 20 segundos), un bloque de
participantes hará los niveles en el orden de 5 segundos y luego en el de 20,
mientras que el otro bloque lo hará en el orden de 20 segundos y luego en el
de 5.
Una variante más es el diseño de cuadrados latinos con diferente orden de
tratamiento entre participantes.
El tiempo puede integrarse en el diseño de la misma manera que en los diseños
con una VI, retrospectivamente o como parte de una serie de tiempo; de nuevo,
la inclusión de un grupo control mejorara la validez interna. Sin embargo, una
vez más, si los participantes no están asignados de modo aleatorio a los grupos
(grupos no equivalentes), podrían ocurrir problemas de selección.
TIPOS DE DISEÑOS.
Los diseños se clasifican de diversas maneras. Una consideración que debe
guiar su elección del diseño y el sistema de medición será el análisis estadístico
que empleara en los datos. Es mejor tener claro esto antes de realizar el
estudio, en lugar de descubrir más adelante que tiene que hacer lo mejor que
pueda con un mal diseño y con mediciones que no le permiten probar sus
hipótesis.
Los diseños presentan siete tipos básicos:
1. se toma mediciones de una sola variable en un individuo o en un grupo.
Por ejemplo, se mide el IQ de una persona o de un grupo. Tales diseños
deben utilizarse con propósitos descriptivos.
2.
3. se emplea una sola variable independiente (VI) con dos niveles y una
dependiente (VD). Estos diseños se utilizan para buscar diferencias en la
VD entre los niveles de la VI. Por ejemplo, cuando los investigadores
comparan las habilidades de lectura de niños a quienes se enseña con
dos técnicas.
4. Se emplea una sola VI con más de dos niveles y una VD. Se trata de una
extensión del tipo de diseño anterior, que podría incluir la comparación
de las habilidades de lectura de niños a quienes se enseño con tres
técnicas.
5. intervienen más de una variable VI y una sola VD. Por ejemplo, cuando
una VI es una especie de problema de razonamiento con tres variables y
una segunda VI es el género, con el número de problemas resueltos
como la VD. Igual que con los diseños 2 y 3, los investigadores buscarían
diferencias en la VD entre los niveles de las VI.
6. Una versión del diseño anterior se presenta cuando los investigadores
tienen interés en descubrir cuán apropiada sería utilizar mediciones
(tratadas como VI), desempeño escolar y motivación de los estudiantes,
para predecir el grado universitario (tratado como una VD) que
alcanzarán éstos.
Los primeros cinco tipos de diseños suelen describirse como univariables por
que contienen una sola VD.
7. los diseños utilizados para evaluar una relación entre dos variables.
6ª. Este diseño se describe como Bivariable porque – evidentemente –
incluye dos variables, pero ninguna de ellas puede clasificarse
necesariamente como VI o VD. Por ejemplo, cuando los investigadores
buscan la relación entre el desempeño en el bachillerato y en la
universidad.
6b.Se trata fundamentalmente del mismo diseño, pero una de las variables
se considera independiente y se utiliza para predecir la otra, trata como VD.
Por ejemplo, si los encargados de admisiones de una universidad desean
predecir, con base en el desempeño en el bachillerato, el desempeño en
dicho nivel académico.
8. por último, hay diseños Multivariables con más de una VD. Por ejemplo,
cuando se enseña a los niños con más de un método de lectura y los
investigadores miden un conjunto de habilidades, como las de leer,
deletrear y completar frases.
Típicamente, con los diseños se busca determinar si el grupo tratado de cierta
manera es distinto de uno que al que se trata de otra manera. Por lo general,
los miembros de un grupo proporcionan una sola estadística de resumen que
se usa para comparar con otros grupos. Este enfoque considera las variaciones
entre individuos del mismo grupo un tipo de error. Varios factores contribuyen
a que los individuos del mismo grupo obtengan calificaciones deferentes:
1. diferencias individuales (por ejemplo, en habilidades o en motivación).
2. la confiabilidad del sistema de medición que se utiliza.
3. diferencias en cómo se ha tratado a los individuos en la investigación.
Cuando mayor variación de las puntuaciones presentadas en los grupos, tanto
menor probabilidad de que se detecten diferencias entre éstos. Por tanto,
donde sea posible, tales fuentes de variación se reducirán al máximo en los
diseños. Un diseño eficiente es aquel donde pueden detectarse diferencias
genuinas entre grupos. No obstante, los investigadores desean evitar la
introducción de variables de confusión que produzcan diferencias falsas entre
los diversos tratamientos o que en mascaran las genuinas entre éstos. Algunos
intentos por contrarrestar las variables de confusión en diseños pueden
aumentar las diferencias individuales dentro de grupos, lo cual lleva a producir
diseños menos eficientes.
El diseño es un planteamiento de una serie de actividades sucesivas y
organizadas, que pueden adaptarse a las particularidades de cada
investigación y que nos indica los pasos y pruebas a afectar y las técnicas a
utilizar para recolectar y analizar los datos.
Los tipos de diseños, de acuerdo con los datos recogidos para llevar a cabo una
investigación, categorizar, en dos tipos básicos: diseño bibliográfico, diseño de
campo.
Diseño bibliográfico
Cuando recurrimos a la utilización de datos secundarios, es decir, aquellos que
ha sido obtenido por otros y nos llegan elaborados y procesados de acuerdo
con los fines de quienes inicialmente los elaboran y manejan, por lo cual
decimos que es un diseño bibliográfico.
La designación bibliografía hace relación con bibliografía: toda unidad
procesada en una bibliografía.
Conviene ante este diseño comprobar la confiabilidad de los datos, y es labor
del investigador asegurarse de que los datos que maneja mediante fuentes
bibliográficas sean garantía para su diseño.
Diseño de campo
Cuando los datos se recogen directamente de la realidad, por lo cual los
denominamos primarios, su valor radica en que permiten cerciorarse de las
verdaderas condiciones en que se han obtenido los datos, lo cual facilitan su
revisión o modificación en caso de surgir dudas.
Conviene anotar que no toda información puede alcanzarse por esta vía, ya sea
por limitaciones especiales o tiempo, problemas de escasez o de orden ético.
En cuanto a los diseños de campo, es mucho lo que se ha avanzado, y podemos
presentar varios grupos de diseños este tipo; si bien decimos que cada diseño
es único, participa de características comunes, especialmente en su manejo
metodológico, lo cual ha permitido hacer la siguiente categorización.
Tipos de diseños de campo.
Diseño de encuesta.
Exclusivo de las ciencias sociales. Por parte de la premisa de que si queremos
conocer algo sobre el comportamiento de las personas, lo mejor es preguntarlo
directamente a ellas. Es importante en este diseño determinar la validez del
muestreo.
Diseño estadistico.
Efectúa mediciones para determinar los valores de una variable o de un grupo
de variables. Consistente en el estudio cuantitativo o en evaluación numérica
de hechos colectivos.
Diseño de casos.
Estudio exclusivo de uno o muy pocos objetos de investigación, lo cual permite
conocer en forma amplia y detallada a los mismos, consiste, por tanto, en
estudiar cualquier unidad de un sistema, para estar en condiciones de conocer
algunos problemas generales del mismo.
Diseños experimentales.
Cuando a través de un experimento se pretende llegar a la causa de un
fenómeno. Su esencia es la de someter el objeto de estudio a la influencia de
ciertas variables en condiciones controladas y conocidas por el investigador.
Diseño cuasi – experimental.
Cuando estudia las relaciones causa – efecto, pero no en condiciones de control
riguroso de las variables que maneja el investigador en una situación
experimental.
Diseño ex post facto.
Cuando el experimento se realiza después de los hechos y el investigador no
controla ni regula las condiciones de la prueba.
Se toma como experimentales situaciones reales y se trabaja sobre ellas como
si estuvieran bajo nuestro control.
Descripción
Investigación cuantitativa. Debe ser lo más “objetiva” posible estando que
afecten las tendencias del investigador u otras personas. Se pretende
generalizar los estudios encontrados en un grupo o en una colectividad mayor.
La meta principal de los estudios cuantitativos es la construcción y
demostración de teorías. Este enfoque utiliza la lógica o razonamiento
deductivo.
El enfoque cualitativo a veces referido como investigación naturalista,
fenomenológica, interpretativa o etnográfica, es una especie de “paraguas”, en
el cual se incluye una variedad de concepciones, visiones, técnicas y estudios
no cuantitativos. Se utiliza en primer lugar para descubrir y refinar preguntas
de investigación.
Ventajas y desventajas
La investigación cuantitativa nos brinda la posibilidad de generalizar los
resultados más abundantemente, nos concede control sobre los fenómenos, así
como un punto de vista de conteo y las magnitudes de estas. Además, nos
ofrecen una gran posibilidad de réplica y un enfoque sobre puntos específicos
de tales fenómenos, aparte que facilita la comparación entre estudios
semejantes.
La investigación cualitativa aporta profundidad a los datos, dispersión, riqueza
interpretativa, contextualización del ambiente o entorno, detalles y
experimentos lineales. También aporta un punto de vista fresco, natural y
“holístico” de los fenómenos, así como flexibilidad.
El método cuantitativo más utilizado por ciencias como la física, química y
biología. Por ende es más propio para las ciencias llamadas “exactas” o
naturales. El método cualitativo se ha empleado en disciplinas humanísticas
como la antropología, la etnografía y la psicología social.
CONSIDERACIONES PRÁCTICAS SOBRE EL USO DE METODOS
ESTADISTICOS.
Es importante tomar en cuenta que aunque el uso de metodologías estadísticas
por lo general ayuda a hacer más eficiente el proceso de investigación y de
solución de problemas, es necesario reconocer que las metodologías
estadísticas por si solas no garantizan investigaciones exitosas, por ello es
importante considerar los siguientes puntos:
El conocimiento no estadístico es vital. Para utilizar los métodos estadísticos
en general en los diseños de experimentos en particular, en primer lugar se
requiere que el experimentador tenga un buen nivel de conocimiento técnico y
practico sobre el fenómeno o proceso que estudia, de tal forma que pueda
vislumbrar con cierta facilidad cuales son los aspectos clave del fenómeno y
sea capaz de plantear conjeturas precisas, vislumbrar el tipo de relaciones
entre las variables de respuesta y los posibles factores a estudiar. Todo esto
ayudara a seleccionar mejor los factores y sus niveles, así como el diseño que
es mejor aplicar. Además, ese conocimiento permitirá sacarle un provecho real
al análisis estadístico de los resultados y obtener conclusiones que generen
aprendizaje y soluciones.
Reconocer la diferencia entre significancia estadística e importancia
práctica. En ocasiones, un experimentador puede concluir que dos
tratamientos son diferentes estadísticamente, pero que tales diferencias,
aunque sean significativas, no necesariamente representan una diferencia que
en la práctica sea importante.
Apostarle más a la experimentación secuencial que a un experimento
único y definitivo
En ocasiones, los experimentadores novatos pretenden en una sola fase
experimentación contestar todas sus interrogantes sobre un proceso o
fenómeno en particular. Sin embargo, esto puede llevar a experimentos muy
extensos que consuman demasiados recursos y que retarden la generación de
resultados. Por ello es importante considerar como alternativas a diferentes
fases de experimentación en forma secuencial, en las cuales se alcance
paulatinamente una mayor precisión en los conocimientos y soluciones.
Es importante no confundir la experimentación secuencial con la
experimentación a prueba y error. La experimentación secuencial en cada fase
sigue una estrategia bien definida y pesada; por lo tanto, en cada fase se
obtienen resultados y conclusiones importantes que permiten generar
soluciones y conocimiento más refinado para plantear de mejor manera la
siguiente fase de experimentación.
Principios básicos
El diseño de experimentos trata de fenómenos que son observables y
repetibles. Por tanto, sin el pensamiento estadístico, los conceptos de
observabilidad y repetibilidad son inherentemente contradictorios. El punto de
partida para una correcta planeación es aplicar los principios básicos del
diseño de experimentos: Aleatorizacion, repetición y bloqueo, los cuales tiene
que ver directamente con que los datos obtenidos sean útiles para responder la
validez del análisis de datos.
Aleatorizacion. Consiste en hacer las corridas experimentales en orden
aleatorio y con material también seleccionado aleatoriamente. Este principio
aumenta la probabilidad de que el supuesto de independencia de los errores
se cumpla, lo cual es un requisito para la validez de las pruebas de estadísticas
que se realizan.
Repetición. Es correr más de una vez el tratamiento o una combinación de
factores. Las repeticiones permiten distinguir mejor que parte de la
variabilidad total de los datos se debe al error aleatorio y cual a los factores.
Bloqueo. Consiste en tomar en cuenta todos los factores que puedan afectar la
respuesta observada. Otra posible estrategia de bloqueo seria experimentar
con cuatro operadores, donde cada uno de ellos prueba en orden aleatorio las
cuatro maquinas; en este segundo caso, la comparación de las maquinas quizás
es más real.
Clasificación y selección de diseños experimentales.
Los cinco aspectos que influyen en la selección de un diseño experimental, en
el sentido de que cuando cambian por lo general nos llevan a cambiar de
diseño, son:
1. el objetivo del experimento.
2. el número de factores a estudiar.
3. el número de niveles que se prueban en cada factor.
4. los efectos que interesa investigar.
5. el costo del experimento, tiempo y precisión deseada.
Análisis estadistico
Las técnicas de análisis estadistico de la información que se utilizan
dependerían en alto grado de la accesibilidad de programas especiales de
computación y de la sofisticación del analista. En general, existen varias
pautas generales que conviene enfatizar. Los fenómenos se pueden definir
generalmente por medio de una o de varias variables que dan carácter de
complejidad diverso a los análisis finales.
Para poder establecer la consecuencia de la interpretación congruente es
necesario que se establezca si el instrumental es para la determinación de una
relación de casualidad o para la determinación de una prueba de una hipótesis
preexistente.
En ambos casos la herramientas por usar dependerán del tipo de información
disponible. Por ejemplo, si los datos son de tipo nominal y dentro de dos
categorías, la información puede analizarse a través del uso de “variables
artificiales” o “Dummy”, que requiere de un análisis especial. Es conveniente
en este punto ver en general una breve descripción de las diversas técnicas
que se utilizan para determinar relaciones casuales o para la prueba de
hipótesis. Las técnicas que analizan en forma muy sucinta se llaman técnicas de
análisis multivariado, debido a que trabajan con varias variables en forma
simultánea.
Existen paquetes estadísticos que permiten una mayor versatilidad en el
manejo y análisis de información. Sin embargo, para este tipo de paquetes es
conveniente conocer, aunque sea en forma somera, los posibles de su uso. Uno
de los paquetes que más se conocen y utilizan es el SPSS (Statitical Package for
Social Sciences).
Entre las más diversas técnicas, las que más se utilizan se presentan como
explicación de la figura. 3.4
Análisis
Multivariables
Métodos
De
Dependencia
Métodos
De
Interdependen
Variable
Dependiente
Métrica
Una
Métrica
Correlación y
regresión
múltiple
Varías
No Métrica
s
Análisis canónic
o en variable
s
Varias
Métricas
Análisis de
covarianza y
varianza y
Una
No Métrica
Análisis discriminante
múltiple
No
Métrica
Escalas Multidi
mensionales
No Métrica
s
Análisis Factorial
Análisis de
conglomeración
Escalas Multidi
mensionales
Métricas
Como podrá verse, los métodos generales de análisis se clasifican de acuerdo
con el objetivo que se persigue en su utilización. En primer término están los
métodos orientados a determinar la relación de dependencia. Esta relación
implica que se presupone que una de las variables o varias de ellas, están
dependiendo del comportamiento de una o varias a la vez. Por otro lado, las
variables tienen una interdependencia y su variación se explica por la
variación de los demás.
En ambos casos, el tipo de escala que se utiliza en el instrumento de medición
determina el método estadistico a utilizar. Cada técnica estadística tiene un
propósito diferente y especifico.
Las técnicas estadísticas que más se conocen y utilizan son aquellas en la que la
información obtenida es de tipo métrico (intervalar y racional), tanto en su
aspecto dependiente como independiente; por ejemplo, cuando la variable
dependiente del estudio es de tipo métrico, la regresión múltiple puede ayudar
a encontrar y explicar la relación y la correlación entre las variables.
La regresión múltiple consiste básicamente en determinar una función (por lo
general lineal) en la que se explique el comportamiento de una variable
llamada dependiente a través del comportamiento de otras variables (una o
varias, cuando es una sola se llama regresión múltiple) que forman la función
correspondiente.
Nomenclatura
Antes de revisar los diseños experimentales se presenta la nomenclatura que
se utilizará, para representar de una manera clara y visual la estructura de los
diseños.
O indica la medida de la variable independiente antes (O1) o después
(O2) del tratamiento. El subíndice expresa la posición de la medida
en el diseño.
X indica el tratamiento o variable independiente.
-----, esta línea discontinua sirve para indicar que los sujetos no han sido
elegidos ni asignados al azar a los grupos experimentales y de
control.
R, esta letra expresa que los sujetos han sido elegidos al azar de la
población y asignados, también, al azar a los grupos experimentales
y de control.
Por otra parte hay que seleccionar a los sujetos para que la muestra sea
representativa de la población.
Casos clínicos
Estudian casos concretos. Ej.: Medir el grado de ansiedad a la entrada del
hospital, en pacientes para cirugía, en el post-quirúrgico se medirá el
grado de dolor y luego se correlaciona estadísticamente, así se
comprobará si los más ansiosos son los que presentan más dolor. Se pasan
dos encuestas en el post-quirúrgico, en este caso podría ser que la
ansiedad causara dolor y que el dolor causara ansiedad. Esto es un
estudio transversal.
Variable.
Es cualquier característica, factor, cualidad o atributo a
estudiar.
Es algo que se puede modificar en un momento dado.
Es el resultado de las operaciones que debe efectuar
el investigador.
Se definen operacionalmente para poderlas medir.
Podremos medir una variable siempre que
determinemos las reglas que vamos a usar para la
misma.
Por ejemplo en la variable sexo:
Varones ---- 1.
Hembras ---- 2. (Significa ser de un sexo distinto a 1).
Por ejemplo para medir la tensión arterial, necesito un aparato que me la
mida, el esfingomanómetro.
Relaciones entre las variables.
Definición: Es el vinculo o conexión entre las variables independientes y
dependientes de un estudio.
Es de suma importancia la relación causa-efecto.
Varianza: Es la desviación típica.
Varianza consecuente: Si esta es la consecuencia, algo lo causa y es
porque algo ha variado.
VARIANZA (causa) ---- VARIANZA (consecuencia)
Condiciones para afirmar relaciones causales.
Hay condiciones que se deben cumplir para decir que una variable es
causa de otra variable:
1. Una causa debe de preceder a la otra en el tiempo.
2. Existencia de una relación empírica (estadística) entre la causa
y su efecto (de modo que cuando varia una, varia la otra).
3. Ausencia de otras variables que puedan explicar el efecto. (No
hay otros factores que la puedan explicar).
Ej.: A causa B, y no hay otras causa C, D, E, F, ... que puedan explicar B.
Tipos de variables
1.- Variable independiente o manipulada (X):
Es la causa, el antecedente, la manipulada, es la clasificación predictoria,
es independiente al no depender de otra causa.
La variable independiente:
1. Mide (clasifica sujetos) --- Estudio observacional.
2. Manipula (interviene) --- Estudios experimentales.
Ej. : Tabaco --- grupo humano.
2.- Variable dependiente o de criterio (Y):
Es el efecto, la consecuencia, la medida, es predecible y es medible,
depende de otra variable,
Con la variable dependiente, los resultados son medidos, es la que busca
instrumentos para medir, aplicar el instrumento al sujeto y/o población.
3.- Variables experimentales y contaminadoras:
Son variables independientes, también llamadas secundarias, en la
variable experimental el investigador manipula o interviene en la
variable, en la variable contaminadora o extraña es la propia variable la
que confunde la relación entre la variable independiente y la variable
dependiente. Debe ser eliminada, es un obstáculo para la investigación.
Clasificación de los diseños de investigación
Según la intervención: (Experimentales / Observacionales)
Según el tiempo de estudio: (Transversales / Longitudinales)
Búsqueda causalidad: (Descriptivos /Analíticos)
En función de la V. Independiente: (Simple / Factorial)
En función de los sujetos a estudio: (Con un sujeto / grupos)
En función de las V. Dependientes: (De medida única / medidas
repetidas)
Diseño de una investigación
Finalidades del diseño:
• Teórica: para dar respuesta a preguntas de investigación.
• Práctica: para controlar la variable.
El diseño de investigación como control de varianza:
Principio de Maxmincon
1. Maximizar la varianza sistemática (primaria)
2. Minimizar la varianza error: para ello se deberá elegir un grupo
homogéneo de sujetos para el estudio y elegir un buen instrumento
de medida.
3. Controlar la varianza sistemática extraña o secundaria: para ello se
deberán eliminar fuentes de error que contaminen, se conseguirá al
elegir los sujetos del estudio aleatoriamente y procurando que los
sujetos a estudiar están en las mismas condiciones.
LOS ELEMENTOS DE UN DISEÑO FACTORIAL; LA REPRESENTACION
GRAFICA, LOS EFECTOS SIMPLES, LA INTERACCION Y LOS EFECTOS
PRINCIPALES.
Un diseño factorial es un diseño en el que el investigador estudia
simultáneamente dos o más variables independiente. En un diseño factorial
completa se combinan todos los niveles de una variable con todos los niveles
de otra o las otras. Para comprender mejor los resultados de una investigación
factorial de dos variables se deben presentar en una grafica. En realidad, en
dos, una para cada variable independiente.
Se empieza realizando una grafica para cualquiera de las dos variables
independientes. La variable independiente elegida la consideramos como
“central” a efectos de representación. El carácter central lo da el hecho de
figurar en el eje de las abscisas. La otra variable independiente actúa como
condiciónate, ya que la central actúa bajo sus condiciones.
Una vez que tenemos las graficas para cada una de las variables
independientes, empezamos a estudiar cómo se comporta la variable cuando
se combina con la otra.
A estos resultados parciales de la variable independiente, agrupados bajo las
condiciones de la otra variable independiente, se les da el nombre de efectos
simples.
Se les llama efectos simples porque es como si dividiéramos el experimento de
una variable en dos experimentos simples.
Cuando ya tenemos los dos efectos simples representados y estudiados, el
siguiente paso es comparar como son entre si los dos efectos simples.
Una manera operativa de hacerse esta pregunta es reformulada como ¿son
paralelas las líneas que representan a los efectos simples?
Cuando las líneas que representan los efectos simples no son paralelas, se
dice que las dos variables independientes interactúan sobre la dependiente.
Existe interacción cuando la manera de actuar de una variable independiente
cambia dependiendo del nivel de la otra variable independiente con la que se
combina.
Si las líneas que representan los efectos simples de una variable independiente
no son paralelas, entonces nos indican que existe interacción entre las
variables independiente.
¿Tiene alguna repercusión el hecho de que exista interacción entre las
variables? Tiene dos repercusiones:
Es obligatorio interpretar cada efecto simple por separado, ya que son
diferentes.
Solo puede interpretarse el efecto promedio, llamado principal, de la variable
independiente si se da la circunstancia de que las dos líneas que representan
los efectos simples tengan una pendiente del mismo signo. Cuando la línea es
horizontal, el signo de la dependiente es cero; cuando sube hacia la derecha, el
signo es positivo y cuando sube hacia la izquierda, el signo es negativo.
Bibliografía
Huertas, J. A. y Montero, I. (2000). La interacción en el aula: aprender con los
demás. Buenos Aires: Aique.
Gutiérrez, H. y De La Vaga, R. (2008). Análisis y diseño de experimentos. Ed.
Mcgraw-Hill Interamericana.
Diseño de investigaciones: cuaderno de prácticas. 2ª ed. Gambara D’Errico,
Hilda.
Métodos de investigación y estadística en psicología. 3ª ed. Coolican, Hugh.
Metodología de la investigación. 4ª ed. Hernández, Sampieri. Fernández,
Collado. Baptista, Lucio.
Análisis y diseño de experimentos. 2ª ed. Gutiérrez Pulido, Humberto.
El proceso de la investigación científica. Mario Tamayo y Tamayo.
Diseño de investigación. David Clark – Carter.