lic. maria paola ruiz técnicas para el análisis de...
TRANSCRIPT
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
1
EL ANALISIS DE LA REALIDAD: DIAGNOSTICO SOCIAL
TÉCNICAS PARA EL ANALISIS DE LA REALIDAD
La realidad es un fenómeno multidimensional, cada dimensión implica una cara
de esa realidad, y bien sabemos que todas están en profunda conexión unas con
otras, con lo cual cuando una de ellas se ve afectada también las otras se afectan,
esta situación sistémica hace de este objeto de estudio un fenómeno complejo.
Esto que al mismo tiempo enriquece la mirada que podamos hacer de la realidad es
una dificultad cuando pretendemos medirla y acotarla a una investigación como lo es
un diagnóstico social.
Sin embargo tenemos el desafío de tratar de entenderla para poder
fundamentar, lo mejor posible, nuestras decisiones con respecto a los proyectos que
queramos llevar a cabo.
Para ello podemos disponer de ciertas técnicas que facilitan el concretar el
análisis de la realidad y que al mismo tiempo cuente con la mayor fiabilidad posible.
Las técnicas que se proponen en este curso tienen su origen en el tipo de
investigación que estamos desarrollando, si nuestro objetivo es “conocer” nuestro
entorno, es decir describirlo para luego, con posterioridad, poder actuar sobre él,
estamos en presencia de un diseño de tipo “descriptivo”.
Estos diseños no-experimentales han sido definidos por Arnau (1995) como
aquéllos en los que ni se aleatoriza ni se manipula, es decir, respetan al máximo la
situación natural del objeto de estudio (Mateo, 1997). Hace referencia a una gran
variedad de tipos de investigación (correlacional, de encuesta, observacional, etc.) y
los datos que en ellos se recogen pueden ser tanto cualitativos como cuantitativos.
Dentro de este grupo describiremos brevemente, siguiendo a Bisquerra (2000)
y Aliaga (2000), los siguientes tipos:
� Estudios de temporalidad
o Transversales: En un mismo momento se analiza a todos los
participantes con diferencias de tipo evolutivo en alguna característica.
o Longitudinales: Se analizan los mismos individuos pero en diferentes
momentos temporales.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
2
o De cohorte: Es una combinación de los dos anteriores, se toman
medidas transversales y longitudinales. Son estudios muy útiles dado su
potencial informativo, pero caros, por lo que no suelen utilizarse mucho .
� Estudios de encuesta: Su utilidad radica en que se obtiene exactamente la
información que se precisa a través de preguntas a los interesados1, bien de
manera escrita (cuestionarios, tests, comentarios abiertos, etc.), bien de manera
oral (entrevistas). La representatividad y el cuidado en el muestreo suelen ser sus
características básicas2.
� Estudios observacionales 3: Aunque cualquier circunstancia puede ser
susceptible de ser observada, la observación sólo se considerará científica si
cumple con el requisito de la sistematización (León y Montero, 2002), es decir, que
pueda replicarse por cualquier otro observador. Puede dividirse en (Buendía,
1998a):
o Participante: El investigador se implica en la situación a observar
o No participante: Su objetivo es la fiabilidad y la objetividad, se utiliza
sobre todo dentro del enfoque racionalista.
� Estudios correlacionales 4: Su finalidad radica en obtener el grado de asociación
entre dos o más variables, pero no en términos de causa-efecto, sino en términos
de covariación. Se trata, más bien, de un conjunto de técnicas estadísticas de
análisis de datos, independientemente de los procedimientos utilizados para
obtener dicha información. Según la técnica y la finalidad se pueden dividir en
(Castejón, 1997):
o Técnicas correlacionales: se pretende averiguar la relación entre dos
o más variables. (Técnicas Factoriales, Chi2,...)
o Técnicas clasificadoras: Según su afinidad empírica, se agrupa a los
participantes de distinta forma. ( Técnica de Cluster, Análisis
discriminante,...)
1 Para más información sobre las formas de obtener información ver apartado 5.1 sobre las técnicas de recogida de datos 2 Para más información sobre las técnicas de muestreo ver apartado 4.2 sobre la selección de la muestra. 3 La observación como técnica de recogida de información podrá verse con más detalle en el apartado 5.1 4 Para más información sobre las técnicas de correlación ver el apartado 5.2 sobre análisis de datos.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
3
� Estudios etnográficos: Con esta denominación se conoce tanto al proceso de
investigación por el que se conoce el modo de vivir de algún grupo, como al
producto de esa investigación (escrito etnográfico o relato de ese modo de vida)
(Sandín, 2003).
� Estudios Fenomenológicos: Describe el significado de las experiencias vividas
por una persona o grupo de personas acerca de un concepto o fenómeno
(Creswell, 1998). Dirige su atención a la experiencia subjetiva de las personas. Su
principal técnica de recogida de información es la entrevista.
� La etnometodología: Se preocupa por los mecanismos que utilizan las personas
para construir la realidad social, por el en y el a través de qué procesos interactivos
y se centra en el estudio de los métodos empleados por aquéllas para dar sentido
a sus prácticas sociales cotidianas. Se interesan por la acción y la interacción, no
por los procesos mentales que llevan a esa acción (Sandín, 2003).
� Estudio de casos: Se trata de investigaciones que se centran en un individuo, un
grupo o un fenómeno (Sturman, 1999). Aunque coincidente con los estudios de
caso único en lo que se refiere al control de las variables, en los que se trata aquí
la finalidad es más la descripción que la investigación en sí (Hernández Pina,
1998).
En muchos casos se suelen combinar los diferentes tipos de estudios para
tratar de abarcar esa realidad tan diversa desde diferentes ángulos.
Ahora a partir de diferentes preguntas trataremos de ir definiendo que técnica
es la más adecuada para el tipo de análisis o diagnóstico que se quiere realizar.
¿Cuántas personas han de participar? y ¿cómo las seleccionamos?
Para esto tendremos en cuenta los diferentes tipos de muestreo:
En general podemos hablar de dos tipos de muestreo, probabilístico y no
probabilístico, cuya diferencia radica en la probabilidad de que un miembro de la
población sea elegido como parte de la muestra o no. Aunque algunos autores
incluyen un tercer tipo de muestreo cuasi-probabilístico (Martínez Arias, 1995), en el
que aunque la selección es aleatoria no se conoce la probabilidad.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
4
Probabilísticos
Han de cumplir los siguientes supuestos:
― Todos los elementos de la población han de tener una probabilidad conocida y
distinta de cero para ser elegidos.
― Todos los miembros de la población han de ser localizables de alguna manera.
Se dividen en:
� Aleatorio simple: Todos los elementos de la población tienen la misma
probabilidad de ser elegidos parte de la muestra.
� Aleatorio Sistemático: Básicamente igual que el anterior, pero la forma de
elección consiste en ir eligiendo cada miembro de la muestra a partir de una
constante K, cada K elementos.
� Aleatorio Estratificado: Es necesario conocer alguna característica que interese
al estudio, de esta manera se agrupan los miembros de la población según esa
característica de la forma más homogénea posible y posteriormente se seleccionan
submuestras de cada uno de los grupos formados.
Los requisitos que deben cumplirse son:
� Homogeneidad de los estratos
� Posibilidad de separar los estratos
� Conocer la proporción de la población en cada estrato.
Figura 1 Estratificación simple y proporcional.
PROPORCIONAL SIMPLE
muestra
población
A
B
C
A
B
C
muestra
población
A
B
C
A
B
C
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
5
� Aleatorio por conglomerados: Se forman aleatoriamente submuestras lo más
heterogéneas posible internamente en cuanto a la variable o variables que
interesen, pero las submuestras han de ser lo más homogéneas posible entre
ellas, y se selecciona una de las submuestras confeccionadas según muestra la
Figura 2.
Figura 2 Muestreo aleatorio por conglomerados
� Muestreo de replicación: Se toman varias muestras mediante el mismo
procedimiento y se realiza el estudio con cada una de ellas, posteriormente se
toma una muestra global de todas ellas para efectuar el análisis. Se utiliza sobre
todo para controlar errores provenientes de los que recogen la información
(entrevistadores, etc.).
� Muestreo de Panel: Se recogen datos de la misma muestra en más de una
ocasión. Su objetivo es medir cambios a través del tiempo (estudios
longitudinales).
No Probabilísticos
Su característica principal reside que sólo van a servir para dar valoraciones
subjetivas, ya que al no cumplir ninguno de los requisitos de los diseños probabilísticos
no hay forma de demostrar la representatividad de la muestra y, por tanto, los
resultados no se pueden generalizar al conjunto de la población.
� Fortuitos o accidentales: Funcionan sobre voluntarios o bien sobre personas que
el investigador tiene más a mano, por lo que no está clara la población de
referencia y, por tanto, no pueden inferirse conclusiones.
población
A
B
C
conglomerado
A B
C
conglomerado
A B
C
conglomerado
A B
C
muestra
A B
C
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
6
� Intencionales o de elección experta: La muestra es elegida a partir de ciertos
criterios establecidos por el experimentador o por un experto. Suele utilizarse para
conocer en profundidad un determinado tema en fases previas a un estudio de
encuesta o estudio de casos.
� Bola de nieve: Se identifican algunos sujetos que tienen las características que se
requieren y se les pide que localicen a otros con esas características y así
sucesivamente hasta obtener el tamaño deseado. Se utiliza sobre todo para
localizar muestras de muy difícil acceso y localización.
� Por cuotas: Se establecen de antemano el número de personas de las que
obtener información a partir de unas características dadas. Normalmente se
controlan varias características, suelen ser atributos relevantes para el estudio y de
los que debe conocerse la distribución en la población para que las cuotas sean
proporcionales.
Es necesario añadir, antes de terminar este apartado, que en la práctica es muy
frecuente utilizar muestreos mixtos y complejos.
Pero antes de realizar la selección de los sujetos que formarán parte de la
muestra, han de tomarse varias decisiones que afectan al tamaño y la
representatividad.
En lo referente al tamaño, debe considerarse que éste ha de ser lo
suficientemente elevado para recoger la variabilidad de casos que se dan en la
población, pero además, el tamaño es subsidiario de la representatividad, es decir,
uno de los parámetros a considerar para que una muestra sea representativa de la
población es que su tamaño garantice su replicabilidad.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
7
¿Cómo recojo la información para luego poder analizarla?
Primero debemos identificar la “variable” o constructo que queremos medir y
luego qué tipos de datos vamos a poder recoger y con qué instrumentos o técnicas
podemos contar para recopilar la información.
Los datos pueden ser de orden cualitativos, cuando nos referimos a palabras,
imágenes, etc., o de orden cuantitativo cuando nos referimos a alguna expresión
numérica, sin embargo lo que prima en el análisis estadístico es el tipo de escala a la
que corresponde ese dato: Nominal, Ordinal, Intervalo y de Razón.
Tipos de instrumentos
Existen diferentes formas que puede adoptar un instrumento de recogida de
información. La clasificación puede verse de forma resumida en la Figura 3. Si bien
debe tenerse presente que pueden existir combinaciones entre varios instrumentos y
técnicas, dando lugar a herramientas diferentes de obtención de información.
Figura 3. Esquema de los tipos de instrumentos y técnicas de recogida de información
ESCALAS Globales Metas Cafetería
Específicas Generales Globales
ENTREVISTA
Individual Grupal Directiva No directiva Estructurada No estructurada
COMENTARIO ESCRITO
Dirigido
No dirigido
OBSERVACIÓN Participante
No participante
Sistemática
No Sistemática
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
8
Nos centraremos en tres técnicas muy importantes y comunes en nuestro
trabajo cotidiano:
Las Escalas
Bajo este nombre se incluyen todos aquellos cuestionarios o encuestas en los
que se debe responder en una escala u opciones dadas de antemano.
Se trata de una de las formas más usuales de recogida de información, dada su
facilidad para ser analizadas posteriormente —consecuencia de la categorización de
las respuestas—, sin embargo, como contrapartida no dan la oportunidad de matizar
—con lo que se pierde información.
La entrevista
Es otra forma de recoger información, son menos utilizadas debido, en parte, a su
elevado coste en comparación a las escalas de valoración anteriormente descritas, si
bien, sus características la hacen especialmente adecuada para la investigación de
tipo clínico (Fosatti y Benavent, 1998).
En cuanto a la mecánica de las entrevistas puede ser muy variada:
� individuales o en grupo ; hace referencia al número de personas que realizan
simultáneamente la entrevista
� directiva o no directiva ; se refiere al grado de orientaciones que el entrevistado
recibe por parte del que le entrevista
� estructurada o no estructurada ; hace referencia a lo cerrado que está el
formulario de preguntas a realizar.
La Observación
La observación como forma de obtener información busca en los
comportamientos verbales y no verbales una relación entre las variables (Braskamp et
al.,1984).
Los sistemas de observación proveen una información específica obtenida
directamente por el evaluador o por medio de un agente externo preparado a tal
efecto.
Sus requisitos pueden resumirse en:
a.- Especificación de propósitos y requerimientos.
Se incluyen aquí puntos tales como el número y la duración de
las observaciones (normalmente se realizan de dos a cinco
observaciones con una duración que suele oscilar entre los cinco y los
diez minutos (nunca más allá de una hora) (Everston y Holley, 1981).
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
9
b.- Formato o protocolo guía
Hace referencia al sistema o sistemas que van a seguirse. Debe
tenerse en cuenta que cuantas más formas de observación se adopten
más difícil será la interpretación de los datos. Una forma de suavizar
este problema es hacer los protocolos lo más sistemáticos posibles, sin
embargo, no es una práctica demasiado usual (Holley, 1979).
c.- Papel de los evaluadores
Cuando un sistema requiere varios observadores, la distribución
del trabajo se convierte en una de las tareas principales, es decir, la
coordinación perfecta es esencial. Negligencias como la falta de
comunicación, o incluso diferencias en el punto de vista, pueden
conducir a serios problemas que llevarían a la incoherencia de los
resultados.
d.- Entrenamiento
Este requisito está íntimamente ligado al anterior. El observador
tiene que aprenderse de tal forma el instrumento que va a utilizar, que
debe hacerlo suyo.
Por supuesto, cuanto más complejo es el sistema mayor será el
tiempo de entrenamiento necesario; es decir, observaciones muy
específicas, como las de un sistema de categorías, requerirán mayor
tiempo y esfuerzo para su interiorización por parte de los observadores
(Simon & Boyer, 1967; Stallings, 1977) que sistemas más abiertos,
como los narrativos, notas de campo, valoraciones, etc.
Debe remarcarse también la importancia obvia que tiene el hecho de que
cuanto menos disruptivo sea el sistema o sistemas elegidos mejor, pues hay que
procurar no modificar el ambiente más de lo imprescindible -desde luego, cierta
alteración del la conducta normal de los sujetos observados no puede evitarse, sobre
todo al comienzo de la observación.
Siguiendo a León y Montero (2002), para que un estudio basado en la
observación resulte científico debe cumplir con la sistematización. Además de la
mayor precisión posible de los datos, es muy necesario que el observador sea muy
metódico, de forma que evite caer en contradicciones que muy a menudo no pueden
evitarse, ya que, por ejemplo, en el uso de la observación mediante categorías
predeterminadas, se parte del supuesto que la relación entre un comportamiento y su
significado es inequívoco, es decir, que el observador siempre que se percate de ese
comportamiento reconocerá su significado. Sin embargo, no es así, diferentes teorías
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
10
muestran diferentes significados para una misma conducta (recordar el carácter
cultural de todas las ciencias humanas y sociales y, por tanto, de la educación), por lo
que la adjudicación de un comportamiento siempre a una misma categoría no parece
factible (Erickson, 1985).
Por supuesto, todo lo que se ha dicho hasta ahora no quiere decir que sea
imposible elaborar un sistema apropiado, sino simplemente que hay que prestar
mayor atención para no caer en errores evitables, y una de las formas de controlar
radica en la elección de los métodos más adecuados a las necesidades y
características del caso a tratar. Estos métodos pueden clasificarse en dos grandes
grupos (Erickson, 1985): (1) intuitivos en los que el observador entra sin ninguna idea
previa, y (2) deliverativos cuando se sabe lo que se busca y se eligen sólo aquellos
datos que interesan.
Dentro del primer grupo se incluirían los sistemas narrativos que, en términos
generales, consisten en que el observador cuente coloquialmente qué es lo que ocurre
en la situación o fenómeno (Everston y Holley, 1981).
En el segundo grupo trataríamos con: (1) los sistemas de conteo de
frecuencias en los que el observador se dedica a contar el número de veces que
aparece cada una de las conductas especificadas en categorías, y (2) los sistemas de
valoración, en los que, normalmente al final de cada periodo de observación se le pide
al observador que valore el grado (cantidad, intensidad, etc.) en el que se presentaba
una o varias conductas o variables previamente establecidas.
Por otra parte, el uso del vídeo (observación vicaria) puede evitar muchos
problemas de la observación directa, ya que entre otras ventajas cuenta con la de dar
oportunidad de completar el análisis y, además, permite la revisión de hechos aislados
que de otra forma pasan desapercibidos, sin ser por ello menos relevantes (para una
información más amplia ver Villar Angulo, 1983). Pero también cuenta con algunos
inconvenientes, como son la imposibilidad de interacción directa y de acceso a la
información contextual que en una grabación se pierden.
Y ahora que tengo lo datos ¿cómo los analizo?
Una vez recogida toda la información llega la hora de organizarla y analizarla.
Este proceso va a estar en función, principalmente de:
� La perspectiva desde la que vamos a analizar estos datos, es decir, cuantitativa o
cualitativa
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
11
� Los objetivos de la investigación: describir, explicar, comparar, etc.
Por supuesto, existen más condicionantes, sin embargo, se considera que estos
son los más generales, las demás decisiones van apareciendo según vamos
decantándonos por cada una de las opciones anteriores.
Del mismo modo, las decisiones adoptadas en cada momento no son excluyentes
(Kaplan, 1964), es decir, los mismos datos, siempre que cumplan con unos requisitos,
o tratados adecuadamente, pueden ser tratados de forma cualitativa o cuantitativa, de
la misma manera que un diseño planificado de forma experimental puede ser, y de
hecho es, susceptible de ser analizado de manera descriptiva.
Análisis de datos desde la perspectiva cualitativa
Los datos para analizar desde esta perspectiva suelen proceder de técnicas de
recogida como la observación, la entrevista, cuestionarios, diarios, etc., todos ellos
siempre con un grado de estructuración mínimo, aunque un análisis cualitativo también
es perfectamente plausible con datos cuantitativos.
A continuación pasaré a describir brevemente cada una de las tareas.
� Reducción de datos: suele realizarse a través de la categorización de la
información. Consiste en encontrar elementos comunes en los discursos con el fin
de asignarlos a las mismas categorías. Estas categorías se van reformulando a
partir de los propios datos, es decir, no se trata de categorías estáticas.
Por otra parte, se asignan códigos a cada unidad dependiendo de la categoría en
la que se inscribe. Existen tres tipos de codificación (Miles y Huberman, 1994):
� Descriptiva: Asignar una determinada información o fragmento a una
categoría
� Interpretativa: Se realiza una cierta abstracción o inferencia con la
información.
� Explicativa: Con mayor nivel de inferencia. Se relacionan con los propios
patrones explicativos que el investigador va deduciendo del análisis de los
datos.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
12
� Disposición y transformación de datos: Una disposición es un conjunto
organizado de información. La transformación se produce cuando la disposición
conlleva un cambio en el lenguaje para poder expresar dichos datos:
� Matrices: Tablas de doble entrada en cuyas celdas se aloja una breve
información de tipo verbal (ver Figura 4).
� Diagramas: Representaciones gráficas de las relaciones entre conceptos (ver
Figura 5).
� Redes: Se establece una relación de jerarquía entre categorías y
subcategorías así como sus relaciones mutuas (ver Figura 6).
Figura 4 Ejemplo de matriz
Categoría A
A1 A2 A3
B1 A1, B1 A2, B1 A3, B1 Categoría B
B2 A1, B2 A2, B2 A3, B2
Figura 5 Ejemplo de Diagrama (Mapa conceptual sobre los mapas conceptuales,
tomado de http:// orbita.starmedia.com/ ~eurekane/ MAPAS.htm)
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
13
Figura 6 Ejemplo de red.
� Obtención y verificación de conclusiones: Por un lado deben extraerse las
conclusiones, es decir, los productos finales resultado de toda la investigación, y
además deben verificarse todos los resultados y conclusiones. Colás (1998)
comenta algunas de las técnicas propuestas por Miles y Huberman (1994) para
esta fase:
� Observar patrones y temas: Supone encontrar puntos comunes que
aglutinen datos.
� Comprobación de la plausibilidad de los resultados: Que tengan
sentido, que se ajusten a la realidad
� Agrupar: Reunir eventos concretos en unidades mayores, o que impliquen
abstracción.
� Subsumir lo particular en lo general: Es una actividad conceptual que va
conectando los datos desde los más concretos a los más generales, hasta
que los datos que se añaden ya no aportan significados nuevos a la teoría
general.
� Partición de variables: Consiste en lo contrario del agrupamiento. Aunque
resulta más enriquecedor, no siempre es recomendable.
� Metáforas o analogías: Son recursos de reducción de datos que conectan
los datos a las teorías. Estaría a mitad de camino entre los datos empíricos
y el significado conceptual de éstos.
� Realizar contrastes y comparaciones: Sirve para generar y refinar
teorías.
A’
CATEGORÍA P
SUBCATEGORÍA A
SUBCATEGORÍA B
SUBCATEGORÍA C
SUBCATEGORÍA D
CATEGORÍA Q SUBCATEGORÍA Y
SUBCATEGORÍA X
SUBCATEGORÍA Z
D’
D’’
D’X
D’Y
A’’
A’
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
14
� Factorización: Reducir o concentrar la información en factores más
generales no observables.
� Establecer relaciones entre variables: Descubrir el tipo de conexiones
que se dan entre dos aspectos. Deben establecerse las tácticas para
verificar esas relaciones.
� Encontrar variables intervinientes: Debe buscarse la influencia de otras
variables que aporten realismo a la explicación.
� Elaborar una cadena lógica de evidencias: Detectando factores
significativos y gradualmente ir comprobando las nuevas incorporaciones.
� Mantener la coherencia conceptual/teórica: Debe prestarse atención a la
correspondencia entre los datos y sus interrelaciones
Es importante remarcar que para comprobar y verificar estos resultados es
conveniente:
� Comprobar la representatividad de la muestra
� Comprobar los efectos del investigador
� Controlar los prejuicios de los distintos informantes e investigadores
� Triangular los datos y métodos de diferentes teorías e investigadores.
� Comprobar los datos por los investigadores
Análisis de datos desde la perspectiva cuantitativa
Una vez se han recogido los datos de la investigación, en este caso datos de carácter
cuantitativo, se deben ejecutar una serie de pasos antes de proceder a su análisis.
Según Orellana (2002) estos pasos son:
1. Codificación de los datos
2. Creación de la matriz, en la que normalmente las filas representan las
unidades o sujetos y las columnas son las variables.
3. Análisis de los datos, en los que se comenzará por una descripción y
exploración mediante análisis descriptivos univariados y análisis gráficos de
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
15
frecuencias, para pasar posteriormente a otros análisis, dependiendo de las
hipótesis u objetivos propuestos, o incluso de modas (Gaviria, 2000).
o Estadística descriptiva
Como ya se ha dicho, la Estadística descriptiva es la que se encarga de
recoger, ordenar y analizar los datos con el fin de describir la muestra.
De esta forma, atendiendo a la descripción que queramos dar, tendremos:
Métodos Descriptivos univariados, bivariados o multivariados dependiendo del número
de variables implicadas en el análisis.
� Descriptivos univariados
Tal y como se comentaba anteriormente, la primera fase de la etapa del análisis de
datos pasa por una descripción y análisis exploratorio de los mismos de cara a
detectar posibles fallos y sobre todo, descubrir cuáles son las pautas que los
caracterizan (Escobar, 1999).
Estos estadísticos van a perseguir, precisamente, este objetivo, pueden definirse los
siguientes:
� Medidas de tendencia central (MTC): Nos señala un valor alrededor del cual se
distribuyen todos los valores de la muestra. Según el tipo de escala en el que
estén medidas las variables podremos utilizar:
� Moda (Mo): Valor que más se repite dentro de una distribución de datos.
Puede calcularse con cualquier tipo de escala.
� Mediana (Md): Valor que deja a ambos lados el 50% de los datos. Es decir,
dado un conjunto ordenado de valores, la mediana es exactamente el valor
central de la distribución. Puede calcularse a partir de la escala ordinal.
� Media (X, µµµµ): Es la suma de valores de la distribución dividida por el número
total de valores. Se calcula a partir de la escala de intervalo.
� Medidas de Dispersión (MD): En términos generales, las medidas de dispersión
nos señalan la forma en la que los datos se distribuyen alrededor de un valor
central o entre ellos. Según el tipo de escala en el que estén medidas las variables,
podremos utilizar:
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
16
� Amplitud Total (AT): Es la diferencia entre el valor mayor y el menor. Se
puede calcular a partir de datos medidos en escala ordinal.
� Desviación Media (DM): Es la media de las distancias de cada valor a la
media. Se calcula a partir de datos medidos en escala de intervalo.
� Desviación o Amplitud Semiintercuartil (D Q): Es la mitad de la diferencia
entre el tercer y el primer cuartil. Se calcula a partir de datos medidos en escala
de intervalo.
� Desviación Típica (S, σσσσ). Varianza (S 2, σσσσ2): La primera es la raíz cuadrada del
cuadrado medio de las desviaciones. La Varianza es el cuadrado medio de las
desviaciones. Se calcula con datos al menos medidos en escala de intervalo.
� Coeficiente de Variación o Dispersión Relativa (CV) : Es el resultado de
dividir la Desviación Típica por la Media. Habitualmente se multiplica por 100
para obtener un porcentaje de variación, de tal manera que si éste supera el
33% se dirá que la distribución es heterogénea.
o Descriptivos bivariados
Cuando se analizan dos variables de manera conjunta, esta comparación
puede hacerse desde dos perspectivas, la primera sería comparando sus
características univariadas, la segunda sería analizando las relaciones existentes entre
ellas (Escobar, 1999).
En este apartado se va a hacer referencia al segundo caso, el de la relación o
asociación dependiendo del tipo de variables con el que se trabaje.
Medidas de Relación y/o asociación (r): Estas medidas hacen referencia al
grado de asociación (no necesariamente de causa-efecto) que existe entre dos o
más variables. Dependiendo de la escala en la que están medidas las variables
se calculará de forma diferente. Tenemos, entre otras, las siguientes medidas de
asociación para el caso más simple de relación entre dos variables, atendiendo al
tipo de escala en las que están tomadas las variables a asociar.
� Chi² o el Coeficiente de Contingencia (C): Variables nominales.
� Spearman (rs). Variables de Intervalo u ordinal.
� Pearson (rxy): Relación entre dos variables al menos de intervalo.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
17
Cuadro 1 Valores aproximados de interpretación de la magnitud de una correlación5.
0 Correlación nula (independencia)
0-0’20 Correlación muy baja
0’20-0’40 Correlación baja aunque puede llegar a ser significativa.
0’40-0’60 Correlación de tipo medio
0’60-0’80 Correlación alta
0’80-1 Correlación muy alta
1 Correlación perfecta
o Descriptivos multivariados
Las técnicas multivariadas se van a caracterizar por utilizar conjuntamente más de dos
variables, y su clasificación va a basarse en tres aspectos (Martínez Árias, 1999):
1. división de las variables en dependientes e independientes,
2. número de variables dependientes implicadas (si las hay),
3. nivel de medida de las variables (escalas).
El primero de los aspectos nos clasificará los métodos en técnicas de
dependencia o de interdependencia (semejantes a las explicativas o descriptivas,
según Ferrán Aranaz, 2001), según sea el objetivo: pronosticar (dependencia) o
encontrar una estructura subyacente (interdependencia).
Dentro del primer objetivo, el de pronosticar, será en donde se precisará tener
respuesta para las cuestiones 2 y 3, sobre el número de variables dependientes y el
nivel de medida, puesto que ello será fundamental para la elección de la prueba o
pruebas acertadas. En este sentido, la Figura 7 muestra un árbol de decisión para la
selección de la técnica multivariada adecuada (tomado de Hair et al, 1999, pp 16-17).
5 Debe tenerse en cuenta que algunos coeficientes no siguen el patrón ±1, por ejemplo C o χ2.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
18
Figura 7 Árbol para la selección de una técnica multivariante
Entre las técnicas más utilizadas nos encontramos:
Técnicas de Dependencia
� Regresión y correlacion Lineal: La Figura 8 muestra el caso más sencillo de
predicción lineal para dos variables (Regresión lineal simple). Lo que pretende
es predecir la puntuación en una variable dependiente (criterio) a partir de las
puntuaciones en la/s independiente/s (predictora/s).
Figura 8- Representación gráfica de la regresión lineal simple.
¿Qué tipo de relaciones están
siendo examinadas?
Dependencia Interdependencia
¿Cómo son los atributos?
¿Cuántas variables están prediciendo o explicando?
La estructura de relaciones es
entre:
¿Cuál es la escala de medida de las
variables dependientes?
A. Correlación Canónica
A. Correlación canónica con variables ficticias
Análisis Factorial
MANOVA
¿Cuál es la escala de
medidade las variables
predictoras?
Métrica No Métrica
Métrica No Métrica
Regresión múltiple
A. de conjunto
A. Discriminante múltiple
Modelos de probabilidad
lineal
Métrica No Métrica
¿Cuál es la escala de medida de las
variables dependientes?
Modelo de ecuaciones estructurales
Análisis Cluster
Múltiples relaciones de vv. dd. y vv. ii.
Varias vv. dd. en una relación única
una vv. dd. en una relación única
Escalamiento Multidimensional
A. de correspondencias
Métrico No Métrico
No Métrico
Variables Objetos Casos/encuestados
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
19
Técnicas de Interdependencia
� Análisis de Conglomerados (Cluster) (AC): Es una técnica para formar
grupos basándose en su semejanza en una serie de características, de forma
que el resultado sea la formación de grupos altamente homogéneos
internamente y altamente heterogéneos entre ellos. (Real, 2001).
� Análisis Factorial (AF): Su objetivo es, a partir de los niveles comunes de
variabilidad, descubrir las diferentes dimensiones existentes en un grupo de
variables (García Jiménez et al. 2000). Los factores los extrae a través de
distintos métodos el más utilizado es el de Componentes Principales:
Maximizando la varianza explicada. Por eso, en este caso, el primer factor es el
que más varianza explica.
No es intención de este curso aprender a desarrollar estas técnicas complejas,
más bien conocerlas para poder interpretar, sugerir o planificar acciones sabiendo que
existen y que se utilizan en los estudios de tipo sociales como el que estamos
enfocando.
Para completar la información aquí brindada se puede consultar la bibliografía
dispuesta a continuación y el dossier teórico-práctico de las profesoras Reina
Ferrández Berrueco y Maria Paola Ruiz, que en breve se publicará en el portal de la
Universidad Jaume I de Castellón.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
20
BIBLIOGRAFÍA
ALIAGA, F. (1998) Proyecto Docente. Universidad de València (no publicado).
ALIAGA, F. (2000) Bases epistemológicas y proceso de investigación psicoeducativa.
Valencia: CSV.
ANGUERA, M.T. (1991) La observación como metodología básica de la investigación
en el aula. En O. Saens. (Ed.) Prácticas de enseñanza, Proyectos curriculares
y de investigación acción. Marfil. Alcoy.
APA, (1992) Ethical principles of psychologists and code of conduct.
www.apa.org/ethics/.
ARNAU, J. (1995) Metodología de la investigación psicológica. En M.T. Anguera, J.
Arnau, M. Ato, R. Martínez, J. Pascual y G. Vallejo (Eds.) Métodos de
investigación en Psicología. Ed. Síntesis. Madrid (pp.23-43).
BARTOLOMÉ, M. (1994b) La investigación cooperativa . En V. García Hoz Ed.
Problemas y métodos de investigación en educación personalizada. Rialp.
Madrid. pp. 376-403.
BISQUERRA, R. (2000) Métodos de Investigación Educativa, guía práctica. Ed. CEAC,
SA. Barcelona.
BLACK, H.M. (1999) Doing quantitative research in the social sciences. An integrated
approach to research design, measurement and statistics. Sage. Londres.
BOGDAN, R.C. y BIKLEN, S.K. (1982) Qualitative research for education: an
introduction to theory and method. Allyn and Bacon. Boston (2ªed.).
BRASKAMP, L. A., BRANDENBURG, D. C. & ORY, J. C. (1984) Evaluating teaching
effectiveness: A practical guide. Sage Publications.
BUENDÍA, L. (1998a) La investigación observacional. En L. Buendía, P. Colás y F.
Hernández (Eds.) Métodos de investigación en psicopedagogía. McGraw Hill
interamericana de España. Madrid.
BUENDÍA, L. COLÁS, P y HERNÁNDEZ, F. (1998) Métodos de investigación en
psicopedagogía. McGraw Hill interamericana de España. Madrid.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
21
BUENDÍA, L. y BERROCAL, E. (2001) La ética de la Investigación educativa. En
Ágora digital, nº1. 1er. Semestre.
CAMPBELL, D.T. y STANLEY, J.C. (1963) Experimental and Quasi-experimental
designs for research on teaching. En N.L. Gagé (Ed.) Handbook of research
on teaching. Rand McNally. Chicago.
CAMPBELL, D.T. y STANLEY, J.C. (1966) Experimental and quasi-experimental
designs for research. Rand McNally. Chicago (Traducido en 1973 por
Amorrortu, Buenos Aires, con el título Diseños experimentales y cuasi-
experimentales en investigación social).
CASTEJÓN, J.L. (1997) Introducción a los métodos y técnicas de investigación y
obtencion de datos en psicología. Club Universitario. Alicante.
COLÁS, P.(1998) Enfoques en la metodología cualitativa: sus prácticas de
investigación. En L. Buendía, P. Colás y F. Hernández (Eds.) Métodos de
investigación en psicopedagogía. McGraw Hill interamericana de España.
Madrid. pp. 252-286.
COOK, T.D. y CAMPBELL, D.T. (1979) Quasi-experimentation design and analysis
issues for fields settings. Randy McNally. Chicago.
COOK, T.D., CAMPBELL, D.T. y PERACCHIO, L. (1990) Quasi experimentation. En
M.D. Dunnette y L.M. Hough (Eds.) handbook of industrial and organizational
Psycology (vol.1) Consulting Psychologist Press. Palo Alto. (2ª ed.) pp. 491-
576
CRESWELL, J.W. (1998). Qualitative Inquiry and research design. Choosing among
five traditions. Thosand Oaks, CA: Sage.
De La ORDEN, A. (Ed.) (1985a) Diccionario de Ciencias de la Educación. Anaya.
Madrid.
Del RINCÓN, D., ARNAL, J., LATORRE, A. Y SANS, A. (1995). Técnicas de
investigación social. Madrid: Dykinson.
DENZIN, N.K. y LINCOLN, Y. (Eds.) (1994) Handobook of qualitative research. Sage.
Londres.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
22
ERICKSON, F. (1985) Qualitative methods in research on teaching en Wittrock, M. C.
(Ed.) Handbook of research on teaching (3ª ed.) NY: MacMillan. (pp. 119-
161).
EVERSTON, C. M. & HOLLEY, F. M. (1981) "Classroom observation"en Millman, J.
(Ed.) Handbook of teacher evaluation. Sage Publications (pp. 90-109).
FERRÁN ARANAZ, M. (2001) SPSS para Windows. Madrid: McGraw-Hill.
FOSSATI R. y BENAVENT, J.A. (1998) El modelo clinico y la entrevista. En Bisquerra
Alzina, R. (Coord.). Modelos de orientación e intervención psicopedagógica.
Barcelona: Praxis. pp. 71-83.
GARCÍA JIMÉNEZ, E. GIL FLORES, J y RODRIGUEZ GÓMEZ, G. (2000) Análisis
Factorial. Colección Cuadernos de Estadística. La Muralla. Madrid.
GARCÍA RAMOS, J.M. (1986) Validación de constructo en el ámbito pedagógico.
Revista Española de Pedagogía, 174. pp.535-554.
GARRET, H.E. (1983) Estadística en Psicología y Educación. (2ª ed.) Barcelona:
Paidós.
GAVIRIA, J.L. (2000) Cambios en las técnicas cuantitativas en la investigación socio-
educativa. Actas del XII Congreso Nacional y I Iberoamericano de Pedagogía.
Madrid.
GOETZ, J.P. y LECOMPTE, M.D. (1988) Etnografía y diseño cualitativo en
investigación educativa. Morata. Madrid.
GUBA, E. G. y LINCOLN, Y. S. (1981) Effective evaluation. Jossey Bass. San
Francisco.
HERNÁNDEZ PINA, F. (1998) Conceptualización del proceso de la investigación
educativa. En L. Buendía, P. Colás y F. Hernández (Eds.) Métodos de
Investigación en Psicopedagogía. McGrau Hill Interamericana de España.
Madrid.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
23
HOLLEY, F.M. (1979) Teacher testing, teacher evaluation and research on teaching:
Covering fields?. Presentado en la Annual Meeting of the American
Educational Research Association, San Francisco.
JORNET, J.M. (1987) Una aproximación teórico-empírica a los métodos de medición
de referencia criterial. Tesis doctoral. Universitat de Valencia.
JORNET, J.M. (2004) Avances de la medida en ciencias de la educación y su
proyección en contextos multiculturales. La Educación en contextos
multiculturales. Diversidad e identidad. Valencia. SEP (pp. 609-634).
KAPLAN, A. (1964) The conduct of inquiry. Chandler. San francisco.
KALTON, G. (1983) Introduction to survey sampling. Sage University Papers. Beberly
Hills, California.
KERLINGER, F.N (1985) Enfoque conceptual de la investigación del comportamiento.
Nueva editorial Interamericana. Mexico.
KERLINGER, F.N. y LEE, H.B. (2000) Foundations of behavioral research. Harcourt
College Publishers. Orlando (4ª ed.).
KRATHWOHL, D.R. (1997) Methods of educational and social science research: An
integrated approach. Longman. Nueva York.
LEÓN, O.G. Y MONTERO, I. (2002). Métodos de Investigación en Psicología y
Educación. Madrid: Mc Graw-Hill.
LINCOLN, Y. S., y GUBA, E. G. (1985). Naturalistic inquiry. Thousand Oaks: Sage.
LOSADA, J.L. y LÓPEZ-FEAL, R. (2003) Métodos de Investigación en Ciencias
Humanas y Sociales. Ed. Thomson, Madrid.
MARTÍNEZ ÁRIAS, R. (1995) Diseños muestrales probabilísticos. En M.T. Anguera, J.
Arnau, M. Ato, R. Martínez, J. Pascual y G. Vallejo (Eds.) Métodos de
investigación en Psicología. Ed. Síntesis. Madrid.
MARTÍNEZ ÁRIAS, R. (1999) El análisis multivariante en la investigación científica.
Colección Cuadernos de Estadística. La Muralla. Madrid.
Lic. Maria Paola Ruiz
Técnicas para el análisis de realidad
24
MATEO, J. (1988) Medición educativa. Estado de la cuestión en el ámbito español. En
I. Dendaluce (Ed) Aspectos metodológicos de la investigación Educativa.
Actas del II Congreso Mundial Vasco. Narcea. Madrid.
MILES, M.B. y HUBERMAN, A.M. (1994) Qualitative data analysis. A source of new
methods. Sage. Newbury Park, CA.
ORELLANA, M.N. (2002) Bases Metodológicas de la Investigación Educativa.
PASCUAL J. FRÍAS, D. y GARCÍA, F. (1996) Manual de Psicología experimental.
Ariel. Barcelona.
REAL, J.E. (2001) Escalamiento multidimiensional. Colección Cuadernos de
Estadística. La Muralla. Madrid.
RODRÍGUEZ GÓMEZ, G.; GIL FLORES, J. y GARCÍA JIMÉNEZ, E. (1996):
Metodología de la investigación cualitativa. Málaga, Aljibe.
SANDÍN, M.J. (2003) Investigación cualitativa en educación. Fundamentos y
tradiciones.McGrau Hill. Madrid
SANS MARTÍN, A. (1997) La investigació d’enfocament experimental. Colección:
Temes universitaris básics. Barcelona. EDIUOC
SIMON, A. & BOYER, E.C. (1967) Mirrors for behavior: an anthology of classroom
observation instuments. (6 vols.) Philadelphia: Research for Better Schools.
STALLINGS, J. (1977) Learning to look. Belmont, CA: Wadsworth.
STURMAN, A. (1999) Case study methods. En J.P. Keeves y G. Lakomski (Eds.)
Issues in educational research. Pergamon. Netherlands
SUÁREZ, J.M. (1989) Proyecto Docente. Métodos de Investigación y Diagóstico en
Educación. Universitat de Valencia.
TEJEDOR, F.J. (1995) La investigación educativa y su contribución al desarrollo de la
innovación. Bordón, 47(2). pp. 177-194
TEJEDOR, F.J. (2000) El diseño y los diseños en evaluación de programas. Revista
de investigación educativa 18(2). pp. 319-340.