MANUAL

EXAMEN DE GRADO
PSICOLOGÍA

ÁREA BÁSICA
1
 ÍNDICE

• MÉTODOS DE INVESTIGACIÓN…………………………………………………………………………………………….. pág. 3

• TÉCNICAS CUALITATIVAS DE INVESTIGACIÓN…………………………………………………………………... pág. 33
• TÉCNICAS CUANTITATIVAS DE INVESTIGACIÓN……………………………..…………………………………. pág. 66

2
 MÉTODOS DE INVESTIGACIÓN
Resultados de aprendizaje
• Seleccionar el enfoque y diseño metodológico más pertinente para un problema de investigación
particular.
• Distinguir, adecuadamente, las etapas del proceso de investigación en el diseño de un proyecto.
• Comparar los enfoques cuantitativos, cualitativos y mixtos, según sus supuestos principales.
• Integrar los principios éticos en la investigación con seres humanos.
• Aplicar los principios éticos en el diseño de un proyecto de investigación.
• Evaluar la pertinencia de los enfoques de investigación para el abordaje de fenómenos psicológicos.

Principales contenidos
• Introducción a la investigación en psicología
• Características de la investigación cuantitativa
• Características de la investigación cualitativa.
• Bases para el desarrollo de una idea de investigación

CONOCIMIENTO Y MÉTODO CIENTÍFICO

¿Qué es conocimiento?
"Conjunto de datos que se aplican a un fenómeno que puede delimitarse en un contexto de observación
definido"
"El establecimiento de relaciones entre esos datos permite generar nuevos datos acerca del fenómeno", lo
que permite a la larga el crecimiento de ese conocimiento la forma en que se establecen esas relaciones
cambia entre distintos observadores y en distintos contextos"

Elementos que influyen en el conocimiento

• Mi historia, país, estudios, trabajo.
• Punto de partida científicos o ideológicos (paradigmas)
• Instrumentos o procedimientos a utilizar
• Razón y objetivo que se tiene para conocer

¿Qué es un método?
Un camino para llegar al conocimiento. El conocimiento empírico se diferencia de otras formas de conocer
ya que este está basado en resultados y hechos

¿Qué es la ciencia?
Se define como un procedimiento reflexivo, sistemático, controlado y crítico que tiene por finalidad descubrir
o interpretar los hechos o fenómenos, relaciones o leyes de un determinado ámbito de la realidad.
• Es objetiva, busca generalizaciones, se corrige a sí misma, estudio sistemático, emplea mediciones.
• La ciencia aborda la investigación de fenómenos desde una cierta perspectiva, lo que estaría siendo
un paradigma.

3
También se refiere a un cuerpo de conocimientos del tipo que puede ser explicado racionalmente, que puede
ser aplicado en forma confiable y que cuenta con respaldo en estudios diseñados para evaluar su veracidad.

La ciencia crece a partir del sentido común y le rebasa con su crecimiento: de hecho, la investigación científica
empieza en el lugar mismo en que la experiencia y el conocimiento ordinarios dejan de resolver problemas
o hasta de plantearlos.

La ciencia es la construcción de conocimiento acerca de algo (supuestamente) externo, acerca de nosotros

mismos o acerca de las relaciones entre nosotros mismos y lo (supuestamente) externo, que sigue reglas
establecidas por una comunidad científica determinada, la cual se encuentra inserta en un contexto histórico
cultural.

Objetiva, se corrige a sí misma, estudio sistemático, emplea mediciones.

El conocimiento científico, supone y exige rigurosidad.

• Componentes relevantes: la teoría y modelos teóricos
o Disciplina
o Planificación
o Rigurosidad

Pensamiento científico → practicado sólo por científicos

Pensamiento crítico → usado por personas en general

¿Qué es el método científico?

• Conjunto de pasos reglados que utiliza la ciencia para ampliación de sus conocimientos
• Se caracteriza por la replicabilidad, al servicio del consenso en la comunidad científica
• Tiene el carácter de sistemático:
o Aplicación de técnicas concretas y explicitas que facilitan recogida de datos en situaciones
previstas, ordenadas, seleccionadas, accesibles a observadores distintos.

Supuestos del Método Científico

• Empirismo → Obtener conocimiento a través de la observación sistemática del "mundo"
• Determinismo → Los fenómenos tienen causas identificables.
• Parsimonia → Supuesto de que la explicación mas simple de un fenómeno es probablemente la
correcta.
• Verificabilidad
o Las explicaciones propuestas pueden ser replicadas y falseadas a través de la observación.
o Evitar el sesgo de confirmación: buscar solo las evidencias que apoyan nuestras creencias y
omitir que las contradicen.

4
Propósitos de la investigación
Se centra en la búsqueda de hechos verdaderos, en un camino para aproximarnos a realidad e intentar
conocerla, descubrirla y conocerla
Pero, la verdad es algo construido por todos, por tanto, el propósito es generar un camino para aproximarse
de manera limpia e higiénica al facto, al hecho, para describirlo de forma en que los sesgos y la propia
subjetividad no influyan.

La psicología
• Es el estudio de los procesos mentales.
• El gran problema de la psicología es que los procesos mentales no son tangibles, por tanto, se dificulta
la evitación de los sesgos.
• Se dejó de lado todo el aspecto mental y se dedicaron a estudiar la conducta los psicólogos. Hoy en
día es aceptado de que los procesos mentales están detrás de la conducta.

¿Cómo surge la investigación?

• Identificación de un problema (que se estudia y porque es necesario hacerlo)
• Formación de una pregunta de investigación
• Planteamiento de objetivos de investigación (generales y específicos)
• Elección de un método de investigación (como se va a lograr el objetivo).
• Los objetivos específicos responden el objetivo general
• En una investigación siempre debe haber un verbo en el comienzo y también se tiene que mencionar
al objeto y campo de estudio
o Objeto de estudio: qué se va a estudiar
o Campo de estudio: quienes serán estudiados
• El método depende del objetivo
• Existen diversos métodos para formular una investigación
o Métodos cuantitativos sirven para llegar a conclusiones amplias y objetivas, mientras que los
métodos cualitativos se enfocan en lo específico y la subjetividad

Investigación Científica
• Se basa en el trabajo de otros y el razonamiento lógico y vinculado a la teoría
• Es replicable
• Busca contribuir al conocimiento científico

Epistemología e investigación
• Epistemología: estudio científico del conocimiento científico; fundamento y metodología.
o Disciplina de la filosofía → saber especializado, que analiza tan sólo el conocimiento
científico.
o La epistemología es la teoría del conocimiento
o Objeto de estudio → ciencia
o ¿De donde viene el conocimiento? ¿cómo podemos evaluar si es válido? ¿cómo podemos
conocer? ¿es la realidad la misma para todos?
o Al asumir un mundo cognoscible, es posible estudiar como se produce el conocimiento

5
 o Estudio crítico del conocimiento científico, su fundamento y metodología
o Finalidad→ resolver los problemas que surgen cuando se pretende revelar la estructura del
conocimiento científico, realizar el análisis del lenguaje de la ciencia.
• La forma de comprender la realidad y conocimiento influyen al momento de investigar
• La investigación no es inocente (está influida por otros factores, tales como la experiencia del
investigador, el hecho de que surge en un momento histórico específico, etc.)
• La forma de comprender e identificar problemas de investigación depende de nuestro marco
paradigmático (cómo comprendemos el mundo y la realidad)
• El hecho de que alguien decida hacer encuestas (cuantitativas) o entrevistas (cualitativas) también
depende de los intereses del investigador (¿le interesan más los números o las experiencias
subjetivas?)
• El investigador se enmarca desde una forma particular de comprender la realidad

PARADIGMA
Sistemas básicos de creencias basados en supuestos ontológicos, epistemológicos y metodológicos. Es una
serie de creencias básicas que tiene que ver con los principios últimos o primeros. Es la visión del mundo que
define el lugar del individuo en él y la extensión de las posibles relaciones con ese mundo y sus partes.
• Cuando uno hace una investigación uno se posiciona desde el paradigma que uno sigue
• “Modo en que vemos el mundo”
o Modo en que el investigador percibe la realidad
o Modelo o patrón en cualquier disciplina científica u otro contexto epistemológico.
o En ella se definen fronteras y el conocimiento
• Contiene reglas y regulaciones que definen fronteras y cómo comportarse dentro de ellas
• Incluye leyes, teorías y modelos sobre la realidad
• Kuhn (1975): “es una concepción general del objeto de estudio de una ciencia, de los problemas que
deben estudiarse, del método que deben emplearse en la investigación de las formas de explicar,
interpretar o comprender, según el caso, los resultados obtenidos por la investigación”
• El paradigma define qué se estudia, cómo se va a estudiar y los resultados que saldrán de la
investigación
• La evolución de la ciencia, es mediante revoluciones paradigmáticas.

Componentes básicos del paradigma

• Ontológico: concepción acerca de la naturaleza/esencia de la realidad y del ser humano.
• Epistemológico: concepción acerca del origen del conocimiento y sus posibilidades.
• Metodológico: concepción de la forma más adecuada de conocer.

6
 Tipos de Paradigma
Ontológico Epistemológico Metodológico
Realidad externa e Se puede acceder de Investigaciones empíricas,
independiente del sujeto manera neutra y experimentales y
Positivista
objetiva cuantitativas (método
científica)
Realidad externa e No se conoce de forma Investigaciones empíricas y
independiente del sujeto totalmente pura (aspira experimentales, cuantitativas
a eso) y en algunas ocasiones
cualitativas → se busca la
Post-positivista
triangulación como método
(juntar varias perspectivas
para llegar a un
conocimiento)
Existe realidad que va Conocimiento orientado Métodos que generen cambio
cambiando a la transformación social → investigación-acción
Crítico social (el conocimiento (busca generar cambios por
no es neutro) medio de la investigación)

Existe realidad que esta Foco en las Métodos que permitan

influida por la forma en interpretaciones de la comprender las
como la interpretamos realidad interpretaciones de la
Interpretativo
(por nuestras realidad – investigaciones
experiencias, nuestro cualitativas
punto de vista, etc.)
La realidad es una Se debe conocer los Se basa en métodos
construcción y hay acuerdos de las cualitativos que nos ayudan a
acuerdos de subjetividades – el comprender la construcción
Constructivista
subjetividades (realidad conocimiento construye de la realidad
dependiente de quien la realidad, no es neutro ni
conoce) objetivo

Crítico Interpretativo Constructivista Positivista Post-Positivista

Realista o Construida Relativista Realista Realista;
Ontológica
Realista Crítica Crítica
Subjetivista De Subjetivista Dualista y Objetivista;
Epistemológico
Interpretación Objetivista Modificada
Dialógica Interpretativa Hermenéutica Experimental y Experimental
Metodológico Transformativa Participante Dialéctica Manipuladora y/o
Manipuladora

7
 Paradigma Paradigma Post Paradigma
NIVEL Paradigma crítica
Positivismo positivismo Constructivismo
Cuantitativo Teoría Fundada Investigación Análisis Discurso
Etnografía científica acción Etnografía
EJEMPLO
Interpretativa
Fenomenología
Realismo Realismo crítico Realismo Relativismo.
ingenuo Cree en la histórico. Realidades construidas
Realidad objetividad, pero Realidad local y específicamente
objetiva, existe aprehensible de moldeada por internas a individuos y
Ontológica
impulsada por manera imperfecta y factores sociales, vinculadas a los
leyes y probabilística (no políticos, contextos.
mecanismos somos capaces de ecológicos, etc.
naturales conocer todo)
Dualista/objeti Dualista/objetivista
Subjetivista Transaccional/subjetivis
vo. Aproximado. Ligado a los ta
Hallazgos son Hallazgos valores de la Hallazgos son obras
reales. Postura probablemente investigación. creadas. Investigador e
de investigador reales. Transaccional. investigado son uno sólo.
Epistemológica
distante y no Diálogo entre el
activa. investigador
Resultados participantes
verdaderos. cambia la
realidad.
Experimental/ Puede incluir Práctica de los Hermenéutica
manipuladora métodos sujetos. Dialógica /dialéctica
Responde a cualitativos. / dialéctica. Diseños abiertos a
hipótesis por Exploratorio /
Metodológica
adelantado. Descriptivo.
Empírico. Comprueba falsedad
de hipótesis por
multiplicidad crítica.

8
 ÉTICA EN LA INVESTIGACIÓN
Ética en la investigación
• Ética: reglas o normas que permiten un comportamiento adecuado.
• Las metas de la investigación, nunca deben pasar por encima de la salud, bienestar y cuidados de los
participantes en investigación.
• Indicador de calidad y rigor.

Principios Éticos
Darle toda la información necesaria al paciente y que éste de un consentimiento para
Autonomía ser parte de la investigación, aceptación de la persona como agente moral responsable
y libre de tomar decisiones
Beneficencia Hacer el bien, evaluar el riesgo/beneficio que ésta investigación pueda traer.
No Maleficencia No dañar de ninguna manera, prevenir el peligro
Justicia Dar a cada quien, lo que le corresponde, en el momento que corresponde.

Errores, Negligencias Éticas y Resguardos Éticos

Mala Conducta
• Fabricación de datos: datos de experimentos no realizados, falsificación, alterar data
• Plagio: robar textos o ideas
• Encubrimiento de mala conducta: además del que comete la mala conducta, el que cubre también es
culpable

Comité de Ética
• Organización independiente, responsable de asegurar la protección de los derechos, seguridad y
bienestar de las personas sujetas a investigación, proporcionando una garantía pública de esa
protección.
• Responsables de actuar en completo interés de los participantes potenciales y de las comunidades
involucradas
• Requerimientos de agencias reguladoras relevantes y leyes aplicables

Faltas a la Ética
• La utilización de personas sin el debido consentimiento o conocimiento
• La coacción de personas a participar en la investigación
• El ocultarle al participante la naturaleza verdadera de la investigación y su impacto
• Permitir que participantes cometan actos que puedan atentar contra auto-respeto
• Exponer al participante a estrés físico o mental
• Invadir la privacidad del participante
• Fallar en el trato al participante de la investigación con respeto y consideración

9
Consentimiento Informado
• La finalidad: asegurar que para participantes en la investigación propuesta es compatible con sus
valores, intereses y preferencias.
• Los requisitos: información sobre la finalidad, los riesgos, costos, los beneficios y las alternativas a la
investigación.
• En cuanto a los sujetos inscritos: se le permite cambiar de opinión, se le actualiza de las nuevas
informaciones, respetar su confidencialidad, vigilar su bienestar durante la participación.

Tipología de Mala Conducta Científica

• Fraude: invención, falsificación y manipulación, plagio
• Faltas en la publicación: autoría ficticia, publicación duplicada (publicar en mas de una revista el
mismo artículo), publicación fragmentada (hacerle cortes sin sentido al artículo para tener más
publicaciones), publicación hinchada (publicar la investigación dos veces debido a que el número de
participantes cambió, pero el resultado sigue igual), auto-plagio.

DESARROLLO DE LA INVESTIGACIÓN
Conceptos claves en investigación
Causalidad: cuando se presentan dos fenómenos al mismo tiempo o paralelamente se puede atribuir una
causalidad, pero que no tiene por qué ser causalidad. Suelen confundirse como correlaciones, pero no por
causalidades.
Hipótesis: Toda investigación tiene que tener una investigación. En cualitativa se está buscando una
hipótesis, y en cuantitativa hay que tener una hipótesis antes de empezar la investigación. En cualitativa se
va construyendo todo a medida que se avanza con la recopilación de información.
Operacionalización de variables: de la pregunta más grande se tienen que tomar parte de la pregunta de
modelo y contrastar. No se puede cumplir todo. (esto no lo entiendo)
Validez: Aquí hay una validez externa (lo que usted averigua es aplicable al mundo exterior), y la validez
interna (que es válido solo en condiciones específicas, o sea en ambiente de laboratorio).
Confiabilidad: que tan confiable es la medición que se tomó. Que tan confiables y verídicos son los resultados
de la investigación y sus conclusiones respecto a cómo verdaderamente es la realidad.
Replicabilidad: Si el estudio es reproducible con otras condiciones, o nuevamente.

Pasos de una Investigación

Paso 1:
• Concebir idea a investigar
Paso 2
• Plantear problema de investigación
• Desarrollar preguntas de investigación
• Establecer objetivos
• Si la investigación es o no viable
Paso 3
• Marco teórico
Paso 4
• Definir alcance

10
 Paso 5
• Establecer hipótesis
• Detectar variables, definirlas conceptual y operacionalmente
Paso 6
• Seleccionar diseño de investigación
Paso 7
• Selección de muestra
Paso 8
• Recolección de datos
Paso 9
• Análisis de datos
Paso 10
• Presentar trabajo

Formulación de una investigación:

El tema de investigación no es lo mismo que el problema de investigación (problema es mucho más específico
que el tema).
Planteamiento del problema: problematizar la situación que se va a estudiar.
• ¿Qué hace relevante o necesario estudiar esto?
• ¿Qué contradicciones se evidencian en torno a mi tema?
• Identificar requerimientos de investigación en el área (¿qué es lo que no se sabe acerca del tema y
por qué es necesario saberlo?)
Necesidad de clarificación
• ¿Qué voy a estudiar? (objeto de estudio)
• ¿Quiénes serán estudiados? (campo de estudio)

Proyecto de investigación:
• Documento que permite precisar el problema a estudiar, delimita el objeto de estudio y el objetivo
general de la investigación
• Incluye señalar los aportes o enfoques teóricos y metodológicos existentes en torno al problema, y la
fundamentación del objeto de estudio que se ha seleccionado

Planteamiento del problema

• Delimitar conceptualmente las variables/fenómeno de estudio
• Identificar y explicar esquemas teóricos a usar
• Estado del arte (el estado de la investigación hoy en día en el tema particular)
• Implica argumentar teórica y empíricamente (que surge con el contacto a la realidad) mi problema
de investigación
• Identificar la relevancia de la investigación y la temática a nivel:
o Teórico (que conocimientos nuevos se van a generar)
o Social (porque en esta sociedad y cultura en particular es necesario hacer la investigación)
o Práctico (que se puede hacer a partir de los resultados de la investigación)

11
 o Metodológico (como la investigación va a aportar para dar nuevos métodos para investigar)
• Implica formular:
o Antecedentes teóricos, empíricos y contextuales
o Problema particular de investigación (problema no es igual al tema)
• Todos los elementos de la pregunta deben haber aparecido en el planteamiento del problema
• Adelantar muy brevemente el marco metodológico
• Debe finalizar con la pregunta de investigación

Criterios para plantear el problema

• Debe expresar una relación entre dos o más conceptos/variables
• Debe estar formulado como pregunta → clara y sin ambigüedad
• Debe implicar la posibilidad de realizar una prueba empírica → que sea posible de observar en la
realidad “única y objetiva”.

Pregunta de investigación
• Surgen del problema a investigar
• Ayuda a resolver parte del problema
• Susceptible de responderse mediante el estudio y campo
• Pronombre interrogativo/objeto/conceptos de aproximación/contexto espacial y temporal
• Pregunta de investigación → objetivo general
o Pregunta (qué, cómo, de qué manera) → objeto de estudio → campo de estudio → objetivo
general

Marco Teórico
• Proceso→ proceso de inmersión en el conocimiento existente y disponible que puede estar vinculado
con nuestro planteamiento del problema
• Producto→ que a su vez es parte de un producto mayor → reporte de investigación
• Es sustento teórico del estudio e incluye la exposición y análisis de las teorías, enfoques teóricos,
investigaciones y antecedentes que se consideren válidos para el correcto encuadre el estudio.

Funciones del Marco Teórico

• Ayudar a prevenir errores cometidos en otros estudios
• Orientar sobre la forma de llevar a cabo el estudio
• Ampliar el horizonte y guiar al investigador en el planteamiento del problema
• Conducir el establecimiento de las hipótesis
• Inspirar nuevas líneas y áreas de investigación
• Proveer de un marco de referencia para interpretar los resultados del estudio.

Etapas de Marco Teórico

a. Revisión de literatura correspondiente
b. Adopción de una teoría o desarrollo de una perspectiva teórica o de referencia.

12
Revisión de Literatura
• Es detectar/consultar/obtener bibliografía y otros materiales útiles para los propósitos del estudio,
de los cuales se extrae/recopila información relevante y necesaria para el problema de investigación
• Debe ser selectiva.
• Fuentes Primarias: proporcionan datos de primera mano, documentos que contienen los resultados
de los estudios correspondientes.
• Fuentes Secundarias: listas, compilaciones y resúmenes de fuentes primarias publicadas
• Fuentes Terciarias: documentos donde se encuentran las referencias a otros documentos de
características diversas.

Teoría
• Definición científica→ conjunto de proposiciones interrelacionadas, capaces de explicar porque y
cómo ocurre un fenómeno.
• Explicar por qué, cuando, cómo ocurre un fenómeno
• Sistematizar o dar orden al conocimiento sobre un fenómeno o una realidad/conocimiento que en
muchas ocasiones es disperso y no se encuentra organizado
• Predecir

Estrategias para construir un Marco Teórico

a. Existencia de una teoría completamente desarrollada
o Cuando hay una teoría capaz de describir, explicar y predecir el fenómeno, de una manera
lógica, profunda, coherente y completa, lo mejor es usar ésta misma como un marco teórico,
pero al estar ya desarrollada, se le debe dar otro enfoque.
b. Existencia de varias teóricas aplicables a nuestro problema de investigación
o Tomar una teoría y basarnos en ella, elegimos la teoría que reciba una evaluación positiva; se
pueden tomar partes de algunas/otras teorías que se relacionan con el problema.
c. Existencia de “piezas y trozos” de teorías
o Son proposiciones que han sido comprobadas en la mayor parte de las investigaciones
realizadas, constituyen la base de lo que serán las hipótesis sometidas a prueba.
d. Descubrimientos interesantes pero parciales que no se ajustan a una teoría
e. Existencia de guías aún no investigadas e ideas vagamente relacionadas con el problema de
investigación.

Los objetivos
• Se formulan a partir de la pregunta de investigación. Dan cuenta de qué se desea hacer en el estudio
• Comprometen al investigador con los logros de sus resultados
• Indican compromiso con alcance del estudio (identificar, describir, comprender, comparar)
• Deben ser alcanzables y observables (que se puedan lograr, la pregunta tiene que ser posible de ser
respondida en el estudio)
• Comprenden resultados concretos

13
Redacción de objetivos
• Siempre iniciarse con un verbo infinito
• Tener objeto y campo de estudio
• Presentarse en un orden lógico y metodológico
• Verbo en infinitivo (ej: describir) → Objeto de estudio (ej: opiniones relativas al cine chileno)
• Campo de estudio (ej: de los estudiantes de cine de la UDD)
• Objetivo general:
o Representa la gran meta hacia donde apunta la investigación
o Mayor globalidad y se orientan a la elaboración de conclusiones
o Surgen directamente de la pregunta
• Objetivos específicos:
o Indican lo que se pretende realizar en cada una de las etapas de la investigación.
o Son logros parciales que facilitan el control sistemático de la investigación: se divide en partes
para llegar a cumplir un objetivo (atingentes al campo y objeto de estudio del OG)
o Al ser alcanzados en conjunto nos permiten garantizar que el objetivo general ha sido logrado.
o Estrategias para formular objetivos específicos:
▪ Desglosar por objeto de estudio
▪ Desglosar por campo de estudio

¿Qué ocurre una vez que ya tengo definidos mis objetivos?

• Identificar cuales son mis hipótesis de trabajo (estudios cuantitativos)
• Desarrollar mis preguntas directrices (estudios cualitativos)
• Solemos trabajar bajo ciertos supuestos
• Influidos inicialmente por sentido común.
o Basados en nuestro marco teórico y antecedentes empíricos.
• Qué tan importantes son los supuestos con los que trabajo:
o ¿Qué quiero saber? (la investigación esta orientada a descubrir o comprobar)
o ¿Cuánto ya se sabe del tema? (qué tan precisos pueden ser mis supuestos)

Coherencia entre pregunta, objetivo, marco teórico e hipótesis o preguntas directrices

• Coherencia semántica (de significado – por ejemplo, si en el objetivo general sale “expectativas”, no
poner como objetivo específico “creencias”)
• Coherencia de alcance (la hipótesis no puede tener un alcance mayor al alcance que tiene el objetivo
– si el objetivo es describir, la hipótesis tiene que ser descriptiva)
• Coherencia teórica (en la hipótesis no se puede poner nada que no haya sido mencionado en el marco
teórico)

14
Hipótesis
Estudios cuantitativos. Proposición tentativa de cómo creo que se manifiesta el fenómeno en la realidad y de
la relación entre una/más variables. Requieren ser comprobadas, aun no son algo irrefutable
• Hipótesis y variables:
o Las hipótesis incluyen dos o más variables.
o Deben ser posibles de comprobar en la realidad
o Variable: propiedad que puede variar y que se puede medir
▪ Ej: Los jóvenes ABC1 prefieren comprar tecnología por internet
▪ Variable: jóvenes ABC1
▪ Variable: preferencia de medio de compra
o Las variables pueden referirse a una característica o a una cantidad
o Las variables son relevantes para la investigación cuando pueden ser relacionadas con otras
(formar parte de una hipótesis o una teoría)
o Pueden ser de naturaleza cualitativa o cuantitativa
o Formas/ Nivel de medición de la variable: nominal, ordinal, escalar, intervalar
o Hipótesis contiene variables que se deben definir conceptualmente y operacionalmente (la
definición conceptualmente es más concreta y generalmente para entender un fenómeno se
necesita además de la definición operacional).
o Definición conceptual: define en lenguaje de diccionario la variable
o Definición operacional: entrega en datos objetivos cuando se va a observar la presencia o
ausencia de la variable
• No en toda investigación cuantitativa se plantea hipotesis, depende del alcance:
o Exploratorio→ no se formula
o Descriptivo → cuando se pronostica un hecho/dato
o Correlacional→ se formulan, pero correlacionales
o Explicativo→ se formula, pero hipótesis causales.

Características de Hipótesis
• Se debe referir a una situación real
• Variables/términos de la hipótesis deben ser comprensibles/precisos/concretos
• Términos/variables de hipótesis, deben ser observables/medibles.
• Deben estar relacionadas con técnicas disponibles para medirlas→ se debe analziaar si hay
técnicas/herramientas de investigación para verificarlas.

Tipos de Hipótesis
• De Investigación: proposiciones tentativas sobre la/las posibles relaciones entre dos o más variables.
• Nulas: proposiciones que niegan o refuten la relación entre variables.
• Alternativas: posibilidades diferentes ante la hipótesis de investigación→ ofrecen otra
descripción/explicación.
• Estadística: exclusivas del enfoque cuantitativo→ representan transformación de hipótesis
anteriroes en símbolos estadísticos.

15
Prueba de Hipótesis
• Argumentar si fue o no apoyada con los datos obtenidos en la investigación
• V. Independiente→ causa
• V. Dependiente → efecto

Nivel de Medición de Variables

• Reflejan una cantidad o presencia de atributo
Variables • Nominal o categórico
Cualitativas • Pueden referirse a una cualidad o característica que puede variar entre sujetos
• No indican diferencias en cantidad, solo en cualidad
• Son variables cuali-cuantitativas
Variables
• Reflejan la cantidad en que se presenta una cualidad
Ordinales
o Ejemplo: muy a favor, a favor, en contra
• Son variables que se pueden cuantificar y medir numéricamente
• Variables de nivel intervalar:
o Cada número representa un intervalo que es igual al intervalo que hay entre
los otros números. La diferencia es la misma entre un intervalo y otro.
Variables o En la escala intervalar el 0 no representa la ausencia del atributo, si no que es
Cuantitativas arbitraria y se pueden usar números negativos
• Variables de nivel de razón:
o Tiene las mismas propiedades de la escala intervalar pero el 0 si representa la
ausencia del atributo
o No puede tener números negativos

Tipos de hipótesis:
• Descriptiva
• Diferencia de grupos
• Relacional
• No buscan causalidad, solo relación.
o Pueden o no tener dirección
o Correlación positiva / Correlación negativa
o Correlación bivariada (2 variables) / Correlación múltiple (más de 2 variables)
• Establecen causalidad.
• Identifica variable independiente (se modifica)
• Identifica variable dependiente
• Para establecer causalidad: antes debe haberse demostrado correlación y la causa debe ocurrir antes
que el efecto
• Tener claro que pueden existir variables extrañas o intervinientes

16
Preguntas directrices
• Propias de los estudios cualitativos. Se formulan después de objetivos específicos
• Buscan esclarecer lo que me debo preguntar (y responder) para lograr OE
• Objetivo general → objetivos específicos → preguntas directrices
• Respondo preguntas directrices → logro objetivos específicos → logro objetivo general → logro
responder a la pregunta de investigación
• Orientan la búsqueda de información
o Deben incluir todos los aspectos que nos parezcan relevantes para comprender el objeto de
estudio
o A medida que la investigación avanza se pueden modificar
o NO deben plantearse como preguntas de entrevista
o De cada objetivo específico nacen varias preguntas directrices
o Son preguntas amplias, no deben partir de premisas y son preguntas abiertas
o Entre 3-5 preguntas directrices por cada objetivo específico

Diseño
• Es un plan/estrategia que se desarrolla para obtener la información requerida en una investigación.
• El surgimiento de éste varía dependiendo de enfoque y planteamiento del problema.

Elementos a definir en el diseño de investigación

1. Tipo de estudio 5. Estrategia de análisis
2. Alcance y profundidad 6. Procedimiento
3. Participantes (muestra y muestreo) 7. Criterios de rigor
4. Instrumentos/técnicas de producción de 8. Resguardos éticos
datos 9. Planificación temporal

Tipos de diseños
1. Experimental: Se manipulan deliberadamente una o más variables independientes para analizar las
consecuencias que la manipulación tiene sobre una o más variables dependientes en una situación
controlada por investigador. Hay grupo de control. Pensamiento hipotético deductivo
Pre Experimento Cuasi Experimento Experimento Puro
Aquí se manipula la variable No hay asignación aleatoria, hay Asignación aleatoria, grupo de
independiente pero no hay grupo grupo de control. control mayor validez interna.
de control, menor validez • Grupos de control pero pre- • La variable dependiente no se
interna). definido. manipula, solo se mide.
• No hay grupo de control. • No hay asignación aleatoria → • La manipulación de la
• Menor validez interna, ya que menos validez interna. variable independiente puede
solo tiene medición post test • Se mide la variable llevarse a cabo en dos o más
(no se ven cambios). dependiente antes y después grados (uno recibe, el oreo la
(pre y post). mitad, el otro no recibe).
• Puede haber medición pre y
post test.

17
 2. No experimental: no hay control de las variables.
Comprender, lógica más relacional, se considera la subjetividad.
• Pensamiento inductivo (particular a general).
• Explorar las relaciones sociales (estructura) y describir la realidad tal como la
experimentan los respondientes.
• Intenta comprender lo subjetivo, particular de la realidad, la realidad que
creamos cuando la vamos comprendiendo.
• No hay generalización (quiero saber en profundidad la situación, no replicarla a
más gente).
Método • Forma de hacer una investigación. Se puede modificar, se ajusta a lo que va
Cualitativo pasando. Flexible, se puede analizar.
• Hay un proceso donde recojo información, la analizo y veo como lo que surge me
servirá para recoger más información.
• Puedo ir modificando las características de la muestra.
• Técnicas de recolección de datos. Entrevista, focus group.
• Usa preguntas directrices.
• No trabaja con variables. Le interesa la totalidad del fenómeno.
• Forma de analizar los datos.
• No se pueden generalizar los resultados.
Comprobar y cuantificar
• Pensamiento hipotético deductivo.
• Busca una realidad estable, los aspectos que no cambian de la realidad
(paradigmas positiva y post-positivista).
• Forma de hacer una investigación. Rígido, sin modificar lo que propongo.
Método
• Recoger y luego analizar.
Cuantitativo
• Técnicas de recolección de datos. Test, encuestas.
• Usa hipótesis, como yo creo que funciona la realidad.
• Trabaja con variables.
• Forma de analizar los datos: se agrupan.
• Muestras grandes.

Enfoques Cualitativos y Cuantitativos:

• Llevan a cabo observación/ evaluación de fenómenos
• Establecen suposiciones/ ideas como consecuencia de la observación y evaluación realizada
• Demuestran grado en que suposiciones/ ideas tienen fundamento
• Revisan las suposiciones/ ideas en base a pruebas/ análisis
• Proponen nuevas observaciones/ evaluaciones para esclarecer/modificar/fundamentar ideas o
incluso, generar otras.

18
 Método Cualitativo
• Puede o no, tener diseño, pero se recomienda que • No hay generalización (quiero saber en
tenga. profundidad la situación, no replicarla a más
• Pensamiento inductivo (particular a general). gente).
• Explorar las relaciones sociales (estructura) y describir • Forma de hacer una investigación. Se puede
la realidad tal como la experimentan los respondientes. modificar, se ajusta a lo que va pasando. Flexible,
• Intenta comprender lo subjetivo, particular de la se puede analizar.
realidad, la realidad que creamos cuando la vamos • Hay un proceso donde recojo información, la
comprendiendo. analizo y veo como lo que surge me servirá para
• Técnicas de recolección de datos. Entrevista, focus recoger más información.
group. • Procedimientos que posibilitan una construcción
• Usa preguntas directrices. No trabaja con variables. Le de conocimientos que ocurre sobre la base de
interesa la totalidad del fenómeno. conceptos, éstos permiten la reducción de
• No se pueden generalizar los resultados complejidad y mediante establecimiento de
• Puedo ir modificando las características de la muestra. relaciones entre conceptos, se genera coherencia
interna del producto científico.
• Crítico
Paradigma
• Interpretativo
Cualitativo
• Constructivista
Fenomenología
• Filosofía fenomenológica: constituir a la filosofía en ciencia rigurosa; modelo ciencias físico –
naturales, pero con carácter contemplativo
• Énfasis sobre lo individual y experiencia subjetiva
• Conocer significados que los individuos dan a su experiencia
• Experiencias individuales subjetivas de los participantes → el centro de indagación, es en la
experiencia del participante.
• Fases método fenomenológico
o Descripción del fenómeno o Constitución de significación
o Búsqueda de múltiples o Suspensión de enjuiciamiento
perspectivas o Interpretación del fenómeno
o Búsqueda de esencia y
estructura
Enfoques Etnografía
Cualitativos • Análisis holístico de sociedades y patrones de investigación social. Describe y analiza
ideas/creencias/significados/conocimientos/culturas→ el investigador busca comprender lo
que pasa en la comunidad, se vuelve uno más.
• Busca crear un esquema teórico de una cultura
• Metodología desarrollada desde distintas perspectivas: observación, registro de datos orales,
desarrollo y verificación de teorías.
• Método de investigación por el que se aprende el modo de vida de una unidad social concreta.
• Descripción o reconstrucción analítica de carácter interpretativa de la cultura, formas de vida y
estructura social del grupo investigado.
• Spradley (1980) plantea que su objeto puede ser → una sociedad (macro etnografía); una
situación puntual social (micro etnografía)
• Retrato del modo de vida de una unidad social → Registro del conocimiento cultural; Patrones
de interacción social; Análisis holístico de las sociedades

19
 Teoría Fundamentada
• Interaccionismo simbólico.
• Procedimiento que genera el entendimiento de un fenómeno→ surgen proposiciones teóricas,
acerca de datos obtenidos en la investigación.
• Descubrir teorías, conceptos, hipótesis y proposiciones partiendo directamente de los datos.
Crear una construcción de lo que los participantes ven como su realidad social.
• Estrategias fundamentales para desarrollar teoría fundamentada: comparación constante, el
muestreo teórico
• Existen tres niveles de codificación: abierta, axial y selectiva
Investigación-Acción
• Involucra las propias prácticas del investigador y de los investigados, rompiendo separación
teoría/práctica
• Resuelve problemas cotidianos e inmediatos→ el investigador orienta, grupo actúa.
o Observar: redactar datos
o Pensar: analizar/interpretar
o Actuar: resolver problemas e implementar mejoras
• Sujetos trabajan en forma activa.
• Principales características de investigación-acción:
o Perspectiva comunitaria. No se puede realizar en forma aislada (necesita que el investigador
actúe en conjunto con los participantes o la comunidad)
o Requiere toma de decisiones de forma conjunta: crear comunidades autocríticas para
cambiar el medio social
Enfoque Biográfico
• Centrado en la revisión biográfica, como foco para analizar distintos fenómenos. Se relatan
hechos. Muestra testimonios subjetivos.
• Relato de vida (lo que cuenta el sujeto acerca de su propia vida) e historia de vida (producto que
genera el investigador luego de analizar el relato)
• Recolección de datos “MATERIALES”
o Documentos personales: autobiografías, diarios, correspondencias, videos
o Registros biográficos: relatos, notas
Estudios de caso:
• Investiga casos particulares. Lo relevante es que es un caso en particular.
• Busca la reconstrucción de un caso (persona, grupo humano, organización o institución)
• Idealmente en su totalidad y complejidad
Estudios comparativos:
• Lo relevante es la comparación. Comparar fenómenos. Se busca indagar un objeto de
investigación en la multiplicidad de casos o situaciones en que se presenta en relación a cierta
particularidad del fenómeno.
Diseño
Estudios retrospectivos:
• Reconstruir un hecho del pasado. Se reconstruye desde el momento en el tiempo en que se
desarrolla la investigación ciertos eventos o procesos vitales importantes biográfica o
colectivamente (ej: 27F)
• Se requiere identificar sujetos que sean "portadores biográficos", es decir, significantes para el
fenómeno a estudiar.
• Requiere identificar adecuadamente los limites tiempo histórico "objetivo" (el día del terremoto)
o "subjetivo" (el tiempo durante el que tuviste miedo

20
 Transversal
• Lo que estoy investigando debe ser actualizado.
• Es el estudio del fenómeno de la forma que se da en el momento mismo en que está ocurriendo
la investigación.
• No interesa primariamente como lo biográfico o lo histórico afecta, sino como se manifiesta el
fenómeno actualmente y como se relaciona con otros fenómenos actuales.
Longitudinal
• Comparar al mismo sujeto en el tiempo
• Levantamiento de datos sucesivamente en distintas etapas a lo largo de un periodo en tiempo
prolongado.
• Permite observar el desarrollo de un proceso y el cambio en los sujetos participantes
• Es complejo y poco utilizado

Método Cuantitativo
• El diseño se utiliza para análisis de certeza de • Busca una realidad estable, los aspectos que no
hipótesis/aportar evidencias a investigación. cambian de la realidad (paradigmas positiva y post-
• Investigaciones no son planeadas con detalles, están positivista).
sujetos a circunstancias, ambiente y escenario • Forma de hacer una investigación. Rígido, sin
• El diseño se concibe cuando: modificar lo que propongo.
o Se ha afinado el problema de investigación • Recoger y luego analizar.
o Se ha desarrollado la perspectiva teórica • Técnicas de recolección de datos. Test, encuestas.
o Se ha establecido el alcance inicial • Usa hipótesis, como yo creo que funciona la realidad.
o Se ha formulado la hipótesis • Trabaja con variables.
• Comprobar y cuantificar. • Forma de analizar los datos: se agrupan.
• Pensamiento hipotético deductivo. • Muestras grandes.
Paradigmas • Positivista
Cuantitativos • Post-positivista.
Experimental
Existe una manipulación intencional de variable. El investigador genera una situación, cómo afecta a
quienes participan de ella vs los que no. Experimento de una situación de control donde
intencionalmente, una/más variables independientes son manipuladas, para analizar las
consecuencias que trae sobre una/más variables dependientes.
• Requisitos:
o Manipulación intencional de una/más variables independientes
o Medir efecto que tiene la variable independiente sobre la variable dependiente.
o Debe cumplir con control/validez interna de situación experimental.
Diseños
• Tipos:
o Pre-experimento: consiste en administrar un estímulo/tratamiento a un grupo, después
aplicar una medición en una/más variables para observar cual es el nivel del grupo en
estas variables.
▪ Grado de control→ mínimo.
o Cuasi experimento: difieren en grado de seguridad y confiabilidad que se pueda tener,
sobre la equivalencia inicial de los grupos.
▪ Sujetos no son asignados al azar.
▪ Hay un grupo experimental y control

21
 o Experimento puro: aquellos que tienen los dos requisitos para lograr control y validez
interna, como por ejemplo, grupo de comparación y equivalencia de grupos.
▪ Pueden abarcar una/más variables independientes
▪ Pueden abarcar una/más variables dependientes
▪ Grupo experimental→ hay intervención
▪ Grupo control→ no hay intervención.
• Contexto de Experimento:
o Exp. De laboratorio: en el que el efecto de todas/casi todas las variables independientes
se reducen al máximo. Existe un control riguroso.
o Exp. De campo: en una situación más realista. Existe mayor validez externa.
No Experimental
No hay manipulación de variable independiente. Fenómenos son observados tal y como se dan en un
contexto natural para después ser analizados. No existe una construcción de situación se observa la
que ya está.
• Transversal: recolecta datos en un solo momento.
o Propósito: descubrir variables y analizar su incidencia e interrelación en un momento
dado.
• Longitudinal:
o De frecuencia (trend): aquellos que analizan cambios a través del tiempo, dentro de una
población en general.
o De análisis evolutivo (cohort): cambios a través del tiempo, en subpoblaciones o grupos
específicos.
o De panel: grupo de sujetos es observado en todo momento/tiempo.

22
 Objetivos de la Investigación
Deben expresar con claridad para evitar posibles desviaciones en el proceso de investigación
Elementos del planteamiento del problema de investigación en el proceso cuantitativo

Son guías de estudio y deben estar presentes durante todo su desarrollo→ deben ser congruentes
entre sí
Su finalidad es señalar a lo que aspira la investigación.
Clasificación:
• Generales: propósito general del investigador, apuntan al conocimiento más general que se
quiere adquirir, no presentan detalles, tienen relación con la temática a estudiar y el título de
la investigación.
• Específico: indican lo que se pretende realizar en distintas etapas de investigación, propósitos
específicos que llevan a un objetivo general, por qué y para qué, presentan
componentes/elementos que se quieren alcanzar, los objetivos de estudio estarán vinculados
entre sí.
Preguntas de Investigación
Son el qué de la investigación. Deben resumir lo que será la investigación
Preguntas generales → no conducen a una investigación correcta, constituyen más bien a ideas
iniciales que es necesario refinar/precisar para que guíen el comienzo de un estudio.
Orientan hacia las respuestas que se buscan con la investigación
Justificación de la Investigación
Se exponen las razones de por qué se debe realizar la investigación→ justificar que el estudio es
necesario/importante
Criterios para evaluar la importancia potencial de una investigación
• Conveniencia • Valor Teórico
• Relevancia Social • Utilidad metodológica
• Implicancias Prácticas
Viabilidad de la Investigación
• Factibilidad de la realización de un estudio en cuanto a recursos disponibles
• Indispensable tener acceso al lugar/contexto donde se llevará a cabo la investigación
• Ser realista en las preguntas que tienen que ver con la viabilidad de la investigación.

Clasificación

23
 Cuantitativa Cualitativa
Pensamiento hipotético-deductivo Pensamiento inductivo
Realidad → posible de ser conocida Realidad → construida subjetivamente
Conocimiento → más objetivo posible Conocimiento → subjetivo
Mediante cuantificación → se busca comprender, Recoge sus datos → mediante comprensión de la
describir y predecir la realidad de manera realidad en su contexto natural desde la perspectiva
objetiva/controlada de los sujetos
Resultados buscan ser generalizables No busca generalizar

Alcance y profundidad
• El alcance se visualiza cuando se haya decidido que la investigación vale la pena
• Para poder tener un alcance se depende de:
o Estudio de conocimiento sobre el problema de investigación, mostrado por la revisión de la
literatura.
o Perspectiva que el investigador le quiera dar al estudio.
Tipos de Alcances
• Objetivo: examinar un tema/problema de investigación poco estudiado.
• Cuando la revisión de literatura reveló que sólo hay guías no investigadas o que se
desee investigar sobre temas/áreas desde otras perspectivas.
Exploratorio
• Sirven para familiarizarnos con fenómenos relativamente desconocidos a su vez, en
pocas ocasiones tienen un fin de sí mismos, generalmente determinan tendencias,
identifican eras, ambientes o contextos.
• Objetivo: describir fenómenos/situaciones/contextos/eventos, analizar cómo son/se
Descriptivo manifiestan.
• Especifican propiedades/características y perfiles de grupos, comunidades, etc.
• Objetivo: conocer la relación/grado de asociación que exista entre dos/más
Correlacional conceptos/categorías/variables en un contexto en particular.
• Tales asociaciones se sustentan en hipótesis sometidas a pruebas.
• Objetivo: establecer la causa de eventos/sucesos/fenómenos que se estudian.
Explicativo
• Por qué ocurre un fenómeno y en qué condiciones se manifiesta.

24
Participantes: muestra y plan de muestreo
Muestra Muestreo
¿Quiénes van a participar de mi investigación? ¿Cómo accederé a mi muestra?
• Depende de pregunta de investigación • Estrategias/criterios de selección de la muestra
• Coherencia con campo de estudio • Proceso por el cual se seleccionan una muestra.
• Relevancia dentro del estudio
• Importancia de establecer criterios de
participación
• Subgrupo de la población, del cual se
recolectan los datos y debe ser representativo
de dicha población.
Población Muestra
• Es el campo de estudio. Todos los sujetos que • Subgrupo de la población
concuerdan con características del campo de • Definir criterios de inclusión y exclusión de la
estudio y las características definidas para muestra
participar • Definir: Tamaño muestral depende de criterios
• Conjunto total de casos o personas que estadísticos y de la precisión deseada en la
satisfacen los criterios del estudio y podrían estimación (cuanti)/ definición de tamaño
ser incluidos en la investigación. mínimo para estudio
• Tamaño de la Población: N • Tamaño de la muestra: n

25
 Unidad de Análisis
• Unidad mínima que va a participar de la • Las unidades de análisis pueden corresponder a
investigación personas, grupos, situaciones, documentos, etc.
• Quiénes van a ser estudiados: depende del • El tipo de análisis es determinante para elegir la
problema de los objetivos unidad de análisis
• Para seleccionar una muestra, lo primero
es definir la unidad de análisis
Criterios de inclusión y exclusión de una muestra
De Inclusión De Exclusión
• Características que deberán tener los A quiénes vamos a excluir pese a que cumplen los
sujetos para participar de nuestra criterios de inclusión.
investigación. • Se elige excluir a quienes, pese a cumplir nuestros
requisitos podrían afectar nuestros resultados, por
situaciones ajenas a las que queremos estudiar.
• No son el contrario de los criterios de inclusión.

Tipos de Muestreo
Probabilístico
• Todos los sujetos de la población tienen la misma posibilidad de ser escogidos para formar parte de la muestra
→ nos aseguran la representatividad de la muestra extraída.
• Esto se obtiene definiendo características de la población, el tamaño de la muestra y realizando una selección
aleatoria de las unidades de análisis
• Es aleatorio
Tipos
1. Por cuotas 2. Propositivo/intencional
• Muestra tiene la misma proporción de individuos • Intencional/Criterio
que la población respecto a una característica • Investigador selecciona a los sujetos de acuerdo a
seleccionada y conocida criterio/s o características que considera relevante
• La selección de los sujetos dentro de esa cuota no para estudio.
es aleatoria • Distintos tipos. Ej.: homogéneo, heterogéneo, caso
• Selección de individuos que tengan condiciones típico, embudo
parecidas→ se escogen a los primeros que se • Uso combinado de distintas estrategias.
encuentren, con esas características. • Selección de individuos que puedan representar a
la población, utilizando los que son más cercanos al
investigador.
3. Bola de nieve 4. Teórico
• Tipo de muestreo intencionada • Proceso de selección de datos, guiado por el modelo
• Casos con dificultad para acceder a sujetos que teórico emergente.
cumplan criterios inclusión • Recolección y análisis de datos se retroalimentan
• Los informantes me van dirigiendo de sus contactos para generar una teoría emergente.
a otros sujetos que cumplen características • Uso en investigación cualitativa
• Seleccionar una muestra a través de unos
individuos que conducen a otros y éstos a otros

26
 No Probabilístico
• Elección de la muestra no depende de la probabilidad si no de causas relacionadas con el investigador. El
procedimiento no depende de la probabilidad, si no de las decisiones del investigador
• En general pueden estar más sesgadas ya que depende de decisiones subjetivas
• La muestra extraída no será representativa→ no todos los sujetos de la población tienen la misma probabilidad
de ser elegidos.
Tipos
1. Aleatorio simple 2. Sistemático
• Cada una de las unidades tiene la misma • Investigador escoge aleatoriamente la primera
probabilidad de selección. pieza o sujeto de la población a seleccionar. A
• Requiere la identificación de todos los elementos continuación, el investigador seleccionará a cada
pertenecientes a la Población en estudio. enésimo sujeto de la lista.
o Con reemplazamiento • Enésimo: qué ocupa el lugar de orden n,
o Sin reemplazamiento indeterminado en una serie
• Elegir al azar nº de elementos de una población que • Resultados representativos de la población a
ya se ha definido, de modo que la probabilidad de menos que se repitan ciertas características de la
cada unidad de formar parte de la muestra, es la población por cada enésimo individuo (poco
misma. probable)
• Regla (cada n sujetos)
• N/N= x
o x= número de inicio de extracción
o Selección aleatoria entre 1 y x para definir
intervalo de extracción
3. Estratificado 4. Conglomerados
• Cuando la población en estudio está compuesta por • Cuando la población está dividida naturalmente,
distintos grupos y se desea que cada uno esté en grupos que contienen toda la variabilidad de la
proporcionalmente representado población, pueden seleccionarse sólo algunos de
• La población se divide en subpoblaciones estos grupos (conglomerados) para realizar el
excluyentes entre sí estudio
• Subpoblaciones: estratos • Ventaja: simplificar recogida de información
• Selección aleatoria • Puede trabajarse con varios conglomerados
• Asignación proporcional: el tamaño de cada estrato • Puede trabajarse con todos o con algunos sujetos
en la muestra es proporcional a su tamaño en la del conglomerado (selección aleatoria)
población. En este tipo de muestreo las unidades muestrales no
• Asignación óptima: la muestra recogerá más son elementos individuales de la población, sino
individuos de aquellos estratos que tengan más grupos de elementos. Se selecciona aleatoriamente
variabilidad. Para ello es necesario un conocimiento una colección de conglomerados, se muestrean
previo de la población. entonces todos los elementos individuales de todos
• Consiste en considerar categorías típicas, diferentes los conglomerados elegidos.
entre sí, que posee gran homogeneidad respecto a
alguna característica se pretende asegurar todos los
estratos de interés, están adecuadamente
representados en la muestra.

27
Técnicas de recogida y producción de datos
De qué dependen técnicas a usar:
• Tipo de información a obtener
• Tipo de estudio

Tipos de datos a recoger:

• Cuantitativos: mediciones objetivas
• Cualitativos: información subjetiva
• Medir (cuanti) / recolectar, producir la información (cuali)
• Ambos enfoques son muy utilizados

Recolectar datos implica:

1. Elegir la técnica de recogida/producción de datos
2. Seleccionar instrumento de medición, desarrollar uno/desarrollar guión de entrevista o focus group,
pauta de observación (válido y confiable)
3. Aplicar el instrumento de medición (medir variables)
4. Realizar la recogida de datos
5. Preparar análisis: ingreso datos, selección del material, transcripción (codificación de datos)
6. Algunos tipos de instrumentos de recolección/producción de datos:
o Escalas para medir actitudes, cuestionarios, observación, entrevista, focus group

El instrumento de medición adecuado, debe:

• Registrar datos observables/medibles
• Registrar información que representan verdaderamente los conceptos o variables que se quieren
medir

Un buen instrumento de medición debe ser confiable y válido

• Confiabilidad: grado en que su aplicación repetida al mismo sujeto produce resultados iguales.
Constancia en los resultados de su medición. Grado en el que un instrumento produce resultados
consistentes y coherentes.
o Calculo estadístico del Alfa de Crombach. Coeficiente de confiabilidad 0-1
o Si un instrumento indica 22ºC y luego de cinco minutos, indica 3ºC y luego 40ºC, no es
confiable
• Validez: grado en que un instrumento realmente mide la variable que dice medir.
o Si un termómetro mide tº, debe medir tº y no presión.

28
Tipos de validez de un instrumento:
Validez de Constructo Validez de Contenido Validez de Criterio
• Grado en que una • Qué tan adecuados son los • Validez del instrumento
medición se relaciona ítems de instrumento para comparandolo con un criterio
con el concepto que muestrear el universo de externo.
espera estar midiendo. conductas según aquello • Implica comparar la prueba con un
• La validez de que se quiere medir. estándar conocido, una medida
constructo se relación • Instrumento debe contener externa. El criterio existe con
con la teoría. Debe representadas todas las anterioridad al instrumento, y es
existir un marco áreas del dominio de aceptado como índice adecuado de la
teóricos a través del contenido de la variable a característica que el nuevo
cual poder validar el medir. instrumento pretende medir.
constructo. • Relevancia de • Si el criterio se fija en el presente:
operacionalizar bien validez concurrente.
variables y las dimensiones • Criterio se fija el en futuro: validez
del constructo predictiva

Factores que afectan la confiabilidad y validez:

• Improvisación: realizar apuradamente un instrumento
• Utilizar instrumentos realizados en el extranjero y que no se han validado a nuestro contexto:
cultura y tiempo.
• Traducir no es validar
• Instrumento inadecuado para las personas a las cuales se les va a aplicar
• Condiciones en las cuales se aplica el instrumento
• Aspectos mecánicos del instrumento

29
 • Actitud: predisposición favorable o desfavorable ante un objeto.
Escalas • Tiene componente cognitivo, conductual y afectivo
para • Las actitudes se relacionan con el comportamiento que se tiene en torno a los objetos a los
Medir que hace referencia.
Actitudes • Es muy importante considerar que son el indicador de una conducta, pero no la conducta en
sí.
• Las escalas tienen diversas propiedades como: dirección e intensidad. Estas propiedades
Escalas de deben ser medidas
Actitud • Los métodos más conocidos para medir por escalas las variables que constituyen actitudes
son: Likert, Diferencial Semántico.
• Conjunto de ítems presentados como afirmaciones o juicios ante los cuales se pide la
reacción de los sujetos.
• Se pide al sujeto que externe su reacción eligiendo entre uno de los cinco puntos de la escala
• A cada punto se le asigna un valor. El sujeto obtiene una puntuación respecto a la afirmación
Escalas

y al final se obtiene su puntuación final.

• Las afirmaciones califican al objeto de actitud que se está midiendo .
• Las alternativas de respuesta son cinco e indican cuanto se está de acuerdo con la afirmación.
Escala
• Solo puede marcarse una opción
Likert
• Las afirmaciones pueden ser favorables o desfavorables al objeto de actitud y esto es
necesario considerarlo al momento de puntuar los datos
• La escala de Likert es aditiva, ya que se van sumando los puntos obtenidos en cada ítem.
• En la Escala likert se asume que se está midiendo la actitud hacia un solo concepto, si se
miden actitudes hacia varios conceptos deberá incluirse una escala por objeto, aunque se
presenten conjuntamente. Se califican por separado.
• Todos los items tienen el mismo peso
• Consiste en una serie de calificativos extremos que califican el objeto de actitud y entre ellos
Escala de
existen opiniones intermedias.
Diferencial
• El sujeto debe calificar el objeto de actitud en algún lugar continuo.
Semántico
• En general hay 7 opciones de respuesta dentro del continuo

Cuestionarios/encuestas
Conjunto de preguntas referentes a una o más variables a medir. Las preguntas pueden ser cerradas o
abiertas.
• Preguntas cerradas: categorías de respuestas delimitadas. Se presentan alternativas de respuesta
• Preguntas abiertas: no delimitan de antemano respuestas del sujeto

Características de las preguntas de un cuestionario:

• Deben ser claras y comprensibles para los respondientes (ej: ¿Qué cree usted que piensan las personas
que creen en dios respecto de sus creencias religiosas?
• No deben incomodar al que responde (ej: ¿Cuánto gana usted mensualmente?)
• Deben referirse preferentemente a un solo aspecto (ej: ¿Qué piensa usted sobre el matrimonio
homosexual y la adopción de hij@s en parejas homosexuales?)
• No deben inducir la respuesta (ej: ¿Qué opina usted sobre la excelente calidad de los productos great
value?)

30
• No deben apoyarse en instituciones o ideas respaldadas socialmente (ej: La mayoría de las personas
señala utilizar casco cuando anda en bicicleta ¿Usted usa casco cuando anda en bicicleta?)
• Hay que cuidar que el orden y forma en que se presentan las alternativas de respuesta no altere o
induzca una respuesta (ej: Con cuanta frecuencia tiene usted una conversación estimulante con su
parejas: diariamente, una vez al mes, una vez cada seis meses, nunca)
• El lenguaje del cuestionario debe ser adaptado a las características de quien responde
• Primeras preguntas de un cuestionario:
o No comenzar por preguntas difíciles o muy directas
o Comenzar con preguntas demográficas
o Deben lograr que quien responda se concentre en el cuestionario
• Instrucciones en un cuestionario:
o Claras
o Precisas
o Explicar el propósito del cuestionario

Pruebas e Inventarios Estandarizados

• Prueba que ha sido normalizada; es decir que ésta ha sido probada en una población con distribución
normal para la característica a estudia
• En el proceso de estandarización se determinan las normas para su aplicación e interpretación de
resultados, es así que para la aplicación de una prueba debe hacerse bajo ciertas condiciones
• Importante considerar si el contexto en que se crearon es muy distinto al del grupo que se quiere
aplicar
• Es importante seleccionar pruebas adaptadas anteriormente al contexto del estudio
• El instrumento debe demostrar que es válido y confiable para el contexto al cual lo usaremos

Entrevista
• Definición: conversación especializada y cuyos fines organizan la estructura más adecuada de esta
conversación:
• Implica: establecer un rapport positivo, encuadre
• Tipos de entrevista:
o Estándar y presecuencia
o Semiestructurada
o No estructurada

Grupo Focal
• Técnica conversacional de carácter grupal
• Es más interactivo que una entrevista.
• Busca recoger las opiniones y experiencias colectivas.
• Aspectos formales: tamaño, definición de participantes, contexto, rol investigador

31
 Observación
• Implica un objetivo del sujeto que está observando
• Es para los estudios cualitativos y cuantitativos
• La observación se divide en participante y no participante (en donde no interviene, y el estar ahí no
genera ruptura)
• Para que las observaciones no estén involucradas con la presencia del observador participante tiene
que ser por un tiempo prolongado
• La etnografía utiliza la observación participante

Criterios de Rigor Científico

Son distintos según cada método
• Estudios cuantitativos: validez y confiabilidad
• Estudios cualitativos:
1. Credibilidad o autenticidad: permite evidenciar los fenómenos y las experiencias humanas, tal y
como son percibidos por los sujetos.
2. Transferencia: consiste en poder transferir los resultados de la investigación a otros contextos.
Los fenómenos estudiados están íntimamente vinculados a los momentos, a las situaciones del
contexto y a los sujetos participantes de la investigación. La manera de lograr este criterio es a
través de una descripción exhaustiva de las características del contexto en que se realiza la
investigación y de los sujetos participantes.
● Describir todo lo más detallado posible con el fin de que si otro investigador quiere
hacer algo relativamente parecido vaya a un lugar con características similares.
3. Dependencia o consistencia (confiabilidad cuanti): en la investigación cualitativo la estabilidad
de los datos no esta asegurada, como tampoco es posible la replicabilidad exacta de un estudio
debido a la amplia diversidad de situaciones o realidades analizadas por el investigador. Sin
embargo, el investigador debe procurar una relativa estabilidad en la información que recoge y
analiza a través de:
● Triangulación de métodos y de resultados
● Empleo de evaluador externo
● Descripción detallada del proceso de recogida, análisis e interpretación de los datos
(detallo como lo hice, como llegué a esa conclusión)
● Estrategia de comparación de los resultados emergente con teorías previamente
formuladas.
4. Confirmación o (neutralidad): los resultados de la investigacion deben garantizar la veracidad de
las descripciones realizadas por los participantes. Permite conocer el papel del investigador
durante el trabajo de campo e identificar sus alcances y limitaciones para controlar los posibles
juicios o criticas que suscita el fenómeno o los sujetos participantes. Debe dejar en claro el papel
que desempeñará durante las observaciones y en las interacciones con los participantes de
estudio.

32
 TÉCNICAS CUALITATIVAS DE INVESTIGACIÓN

Resultados de aprendizaje
• Analizar datos cualitativos, seleccionando la técnica más pertinente para un proyecto de
investigación particular.
• Sintetizar los resultados de una investigación en el formato de artículo científico.
• Justificar la selección de un diseño y producción cualitativas, técnicas de datos coherentes y
pertinentes con un problema de investigación específico.
• Planificar el proceso de producción de datos, para un proyecto de investigación con enfoque
cualitativo, considerando los recursos personales y contextuales con los que se cuenta.
• Diseñar distintos tipos de muestreo y de procedimientos de recogida de la información, para un
proyecto, cumpliendo con los criterios de rigor científico del enfoque cualitativo de investigación.

Principales contenidos
• Proceso de producción de datos
• Proceso de análisis e interpretación de datos
• Comunicación y síntesis de resultados.

METODOLOGÍA CUALITATIVA
Metodología Cualitativa
• Interesa la riqueza y la profundidad de la información que se puede obtener, por lo tanto, no busca la
generalización ni representatividad de la población.
• Busca acceder a los aspectos subjetivos de la realidad→ la rigurosidad se mide de una manera
distinta que en lo cuantitativo.
• Busca comprender la subjetividad→ la comprensión implica el entender desde “adentro”, tiene
mucho que ver con el “cómo”, es decir, acercarse a la realidad desde el cómo el otro la entiende.
• Los elementos en los que sí se enfoca con los sentidos, significados, interpretación y comprensión de
la realidad y el objeto de estudio.
• En lo cualitativo se habla de técnicas de producción de datos, no de recolección de datos como en lo
cuantitativo.
o Recolección → implica que el dato esté ahí
• Como consecuencia tiene muestras pequeñas→ el análisis es mucho más largo, debido a que se
prioriza la profundidad antes que la generalización.
o Se llega a la profundidad adecuada al lograr la saturación.
o Saturación teórica→ cuando a pese que involucre nuevos sujetos, no aparece información
novedosa. Ya profundicé lo suficiente.
• Los resultados no son generalizables→ buscan tener cierto grado de transferibilidad.
• Énfasis en aspectos (inter)subjetivos que componen la realidad.
• Diferencias paradigmáticas entre estudios que usan métodos cualitativos.
• Foco en las técnicas de recolección y análisis de datos (instrumental)
• Sirve de herramienta en la investigación cualitativa

33
¿Qué material se puede analizar desde la perspectiva cualitativa?
• Entrevistas • Grupos Focales
• Observaciones • Fotos y Dibujos
• Documentos Escritos

El paradigma cualitativo se recomienda cuando se necesita conocer percepciones y significados que las
personas dan a sus acciones. Para esto, se requieren métodos que utilicen preguntas abiertas y puede
implicar largos períodos de trabajo en terreno.
• Generalmente los positivistas y postpositivistas no sirven para la metodología cualitativa, son más
propios de lo cuantitativo.
o Aun así hay investigaciones post positivistas que son cualitativas.
• Crítico, interpretativo, constructivista y construccionista → más propios de la investigación
cualitativa.

Investigación Cualitativa
• Finalidad de la investigación cualitativa: entender las relaciones sociales y comprender la realidad
tal como la experimentan los respondientes
• No hay medición de fenómenos, estrategias de producción de datos que no miden la realidad 🡪
asumimos que la subjetividad es compleja.
o Por ende, las estrategias de producción de datos no cuantifican
• No se trabaja con variables→porque habla del fenómeno de estudio, no de la variable que se
estudiará
• No se busca comprobar algo, se acerca al fenómeno con “inocencia”, busca descubrir, no acercarse
con “ideas preconcebidas” (por eso no se usan hipótesis)
• Para elegir el abordaje de los fenómenos es fundamental comprender el significado (afectos,
cogniciones, intenciones) para los propios sujetos del estudio, sobre situaciones y acciones en los que
están involucrados.
• Comprender desde contexto natural→ idea de no manipulación de variables.
• Existencia de distintos enfoques dentro de lo cualitativo: enfoque biográfico; etnográfico;
fenomenológico; investigación-acción; teoría fundamentada, etc.
• Presupuestos ontológicos y epistemológicos adoptados. Postura desde la cual se problematiza el
objeto de investigación.
• Relevancia → pluralizar los mundos vitales que se pueden visibilizar en contextos locales y
situacionales.

34
Elementos relevantes del estudio cualitativo
• Flexibilidad: en cuanto a la recolección de datos, se debe ser flexible en el proceso de recolección o
producción de datos, ya que pueden ir cambiando a medida que avanza la investigación y surgen
nuevos elementos que investigar, por lo tanto, también pueden cambiar los objetivos. Flexibilidad en
función de la rigurosidad.
• Circularidad: los pasos en la investigación cualitativa no son siempre lineales, y uno puede ir ida y
vuelta en los pasos anteriores. Es importante esto ya que se debe lograr la saturación teórica, o sea,
a pesar de incorporar nuevos elementos y fuentes al análisis, no aparece más información nueva.
• Etapas simultáneas y paralelas: la producción de datos y el análisis son etapas que se desarrollan de
forma simultánea; el trabajo de campo (producción de datos) con el análisis de datos.
• Proceso inductivo: se busca enfocar desde lo particular (el dato) hasta lo general (categorías, teorías).
De la información que produzco, voy generando hipótesis más abstractas.
• Comprensivo vs. Explicativo: el enfoque que se tome puede ser desde dentro (aproximación
comprensiva) o un enfoque desde afuera (aproximación explicativa); tiende a buscar comprender.
• Rol del investigador: el investigador es un agente activo dentro de la investigación, con su subjetividad
al servicio del conocimiento, o sea, el investigador no niega su subjetividad ni su influencia dentro
del objeto que estudia. El investigador está involucrado y participa en aquello que investiga.
• Reflexividad: el investigador es un sujeto posicionado en el mundo, y para que este logre ser objetivo
debe reconocer su propia subjetividad y posición en la que se encuentra, o sea, tener claro qué piensa
sobre la realidad y tema que se está estudiando, asumiendo su no-neutralidad. Por lo tanto, es
importante reflexionar sobre nuestros obstáculos epistemológicos (nuestra visión que tenemos
respecto a la realidad) ya que son elementos que pueden dificultar el proceso.

Relevancia de la Reflexibilidad en la Investigación Cualitativa

• Investigador como sujeto posicionado en el mundo, lo cual le puede inhibir o permitir ciertos
aprendizajes
• “Objetividad” → implica el reconocimiento de la subjetividad con que trabajamos
• Relevancia de tener claras las propias presunciones de la realidad
• Conocimiento situado
• Asumir la no neutralidad del conocimiento →asumir que no existe la objetividad. Implicaría una
actitud de mayor apertura, desinvertiría al investigador del típico poder que siempre tiene.
• Reflexionar sobre nuestros obstáculos epistemológicos
o Obstáculos Epistemológicos: dificultades psicológicas que no permiten una correcta
apropiación del conocimiento objetivo
• Cuál es mi posición al tema: relevancia de la claridad
• Relevancia de criticar propias posiciones → por ejemplo, frente a un mismo dato, se pueden usar
nuevas opiniones
• Evaluar la propia acción y sus efectos en determinados contextos → qué efecto tiene que se estudie
cierto tema en tal contexto, etc
• Reflexionar sobre nuestro posicionamiento (no solo declaración de principios si no tener claridad de
cómo esto se pone en juego en la investigación)
o Teórico o Metodológico
o Epistemológico o Ético-Político

35
Los verbos de la investigación Cualitativa
Comprender: Capacidad de ponerse en el “lugar del otro” e interactuar con él, el busca de conocer su mundo
particular.
• Circularidad de la comprensión. 🡪 nunca se deja de comprender
• Importancia de reconocer los contextos históricos, culturales, sociales en los que se comprende
determinado fenómeno.
• La comprensión debe siempre preceder a la interpretación. (No puedo interpretar aquello que no
comprendo)
Interpretar: Apropiación de aquello comprendido.
• Importancia de oír los relatos de campo como narrativas en perspectiva y no como informaciones.
• Lo interpretado siempre debe ser distinto a lo comprendido.
• Interpretación
• Interpretación de primer orden: aquello que expresa el sujeto es de por sí una interpretación
individual de su realidad.
o La interpretación que te cuenta el sujeto de su realidad.
• Interpretación de segundo orden: Aquello que reporta el sujeto, es decir, su interpretación de la
realidad, es posteriormente interpretada por los investigadores, quienes evitando los juicios de valor
buscan comprender la lógica interna de su unidad de investigación.
• Una interpretación debe aportar información nueva al sujeto, distinta a la recogida en el
trabajo de campo.

FASES DE LA INVESTIGACIÓN CUALITATIVA

I. Planteamiento del Problema

El planteamiento del problema lo construye el investigador cuando detecta un tema donde falta
conocimiento.
El problema debe ser novedoso, acotado y contextualizado.
• Identificar necesidad de conocimiento
• Relevancias:
o Social→ por qué es relevante estudiar esta temática en esta sociedad y cultura
o Práctica→ que se puede hacer en términos prácticos, en lo que se descubra
o Teórica→ a que va a aportar el tema que estudiare
o Metodológico
o Ética→ compromiso ético en esta temática

Pregunta de investigación
• Pronombre interrogativo para comenzar
• Objeto de estudio→ que vamos a estudiar
• Campo de estudio→ a quienes y en donde

36
 II. Marco Teórico
Refiere a desde dónde se comprende el problema.
Ayuda al encuadre; desde dónde veré el fenómeno. Acá se pone información teórica sobre todo aquello que
se hablará durante la investigación.

Identificar todas las temáticas relevantes para el estudio de mi objeto y campo de estudio. Hay que utilizar
distintas fuentes tanto teóricas como empíricas. No deben ir opiniones o reflexiones ya que esto va en las
conclusiones. Hay que redactar de forma integrada y coherente, es decir utilizar palabras propias con
lenguaje técnico y formal, utilizar conectores para introducir los apartados y las transiciones de un tema a
otro, usar títulos y subtítulos, usar método inductivo o deductivo para seguir una línea lógica. Debe dar
cuenta del modelo que se utilizará para entender el problema y otros modelos posibles.

III. Objetivos e Hipótesis/Preguntas Directrices

Después de plantear el problema, la pregunta de investigación, el marco teórico, tengo que plantear mis
objetivos.
• General → surge de la pregunta de investigación
• Específicos → desglosar por campo u objeto de estudio. Sugerido en el objeto de estudio. Que
elementos componen estos objetos. Generalmente entre 3 y 5.
Para armar los objetivos específicos, debo pensar qué elementos me permitirán responder el objetivo
general
Los objetivos específicos, deben siempre tener el mismo campo de estudio que el general. Son generalmente
entre 3 a 5 objetivos específicos

Preguntas Directrices
• Las preguntas directrices son propias de los estudios cualitativos (en cuanti se formulan hipótesis),
las cuales se formulan después de los objetivos específicos y buscan esclarecer lo que me debo
preguntar (y responder) para lograr el OE. Hay que desglosar el objeto de estudio de los objetivos
específicos.
o No todas las investigaciones cualitativas usan preguntas directrices.
• Objetivo general → objetivos específicos → preguntas directrices
• Las preguntas directrices deben ser más específicas que los objetivos específicos.
• Respondo preguntas directrices → logro de objetivos específicos → logro objetivo general → logro
responder la pregunta de investigación
• Orientan la búsqueda de información y deben incluir todos los aspectos que nos parezcan relevantes
y que debemos responder para lograr cada objetivo específico, para comprender el objeto de estudio.
• A medida que la investigación avanza estas se pueden modificar, logrando ser el punto intermedio
entre objetivos y pauta de entrevista.
• Todos los objetivos específicos deben tener preguntas directrices, las cuales deben ser preguntas
abiertas y NO deben plantearse como preguntas de entrevista.
• En general, se utilizan de 3-5 preguntas directrices por objetivo específico.
• Formulación: No deben plantearse como preguntas de entrevista, ya que no van dirigidas a alguien
es específico. Hay que evitar juicios y premisas y se formulan de manera de preguntas abiertas para
abrir las opciones de respuesta.

37
 IV. Diseño Metodológico
Marco Metodológico
• Fundamentación; tipo de estudio, escuela/método, alcance, profundidad (diseño y tipo de estudio)
• Muestra y Muestreo (participantes)
• Técnicas de producción de datos
• Estrategia y análisis
• Criterios de rigor
• Aspectos éticos
• Planificación temporal

Fundamentación: Tipo de investigación

Según profundidad:
• Exploratorio: examinar un tema desconocido, poco estudiado o novedoso, ofreciendo una base para
otros estudios. Estos tienden a ser más flexibles, amplios y dispersos.
• Descriptivo: especificar características, propiedades o rangos del fenómeno analizado, para ver cómo
se manifiesta el fenómeno y sus componentes. Describe hechos, situaciones y eventos
• Relacional: evalúa la relación entre dos o más fenómenos de un contexto particular

Según alcance temporal:

• Longitudinal: interés por saber cómo evoluciona un fenómeno a lo largo del tiempo, por lo que se
necesitan varios momentos de recolección de datos en distintos períodos de tiempo
• Transversal: enfoque en conocer un fenómeno en un tiempo determinado

Tipos de Métodos:
• Fenomenológica: ciencia rigurosa con carácter contemplativo. Se preocupa del individuo y su
experiencia subjetiva, buscando conocer los significados otorgados a sus experiencias. Conocer la
esencia del fenómeno, en base a la experiencia. Múltiples enfoques, existencial, hermenéutica, etc. Su
foco es la vivencia subjetiva o la realidad tal como la vive el otro evitando propios juicios al momento
de conocer.
• Etnográfica: análisis holístico de la sociedad y los patrones de interacción social, buscando crear un
esquema teórico de la cultura. Compromiso entre observador y medio. Lo que busca es meterse y
hacerse parte de los grupos sociales, entender una cultura. Se caracteriza por una compatibilidad
entre practica y método y que el observador estaría inserto y hacerse parte, entender las lógicas
internas de lo que estudia, hacerse parte de esa cultura, observación participante, miembro
competente del grupo.
• T° Fundamentada: busca generar una teoría o comprensión a partir de los datos emergentes de la
investigación. Se crea una comprensión teórica de lo que los participantes ven en su realidad,
comparando constantemente los datos, buscando finalmente la saturación teórica. Estrategia de
análisis. Método con ciertos pasos, propone una manera de analizar datos. Se utilizan tres niveles de
codificación, de lo más descriptivo a lo más relacional → codificación abierta, axial y selectiva
• Etnometodología: su foco es entender de qué manera cuales son los métodos para crear sentido
común y servicio social, busca entender la vida cotidiana, los sentidos, normas.

38
 • Investigación acción → busca generar conocimiento, transformaciones, intervención a partir de la
investigación, se trabaja con la misma comunidad. Los investigados entregan información y proponen
solución.
• Enfoque biográfico → no le interesa la biografía de una persona, le interesa a través de la biografía,
estudiar fenómenos sociales, se trabaja con biografías de muchas personas. Existen múltiples
maneras o autores que proponen muchas formas de hacerlo.

Muestra y Muestreo
El muestreo es el proceso a través del cual se selecciona aquellos grupos o individuos que serán incorporados
al estudio. La muestra debe ser coherente con el campo de estudio.

¿Quiénes van a participar de la investigación?

• Depende del planteamiento de investigación
o Para selecciona la muestra, primero se debe definir la unidad de análisis (qué es lo que vamos
a analizar)
• Situarse claramente en torno a: características de contenido, lugar y tiempo
o Criterios de selección dependen de objetivos
• Hay que definir criterios de inclusión y exclusión de la muestra
• Importancia de “representatividad” de la muestra (no en términos estadísticos ni cuantitativos),
variabilidad interna. Una muestra que represente (muestre) a mi campo y objeto de estudio.
• Evitar muestreo por conveniencia.

Una buena muestra debe ser diversa; debe ser representativa en término cualitativos. Debe representar las
distintas cualidades del campo de estudio.
• Pero en casos de que la muestra sea muy diversa, es más complejo lograr la saturación.
• Criterios de inclusión y exclusión (aquellos que a pesar que cumplen los de inclusión, no serán parte
del estudio)

Estrategias de Muestreo
• Las estrategias de muestreo son cómo seleccionaré a mi muestra y cómo accederé a ella.
• En lo cuantitativo hay dos grandes grupos: Probabilístico y No Probabilístico
• Lo cualitativo no trabaja con procedimientos probabilísticos (lo cuantitativo lo usa para que haya
menor sesgo, se relaciona con la representatividad estadística)
• Existen dos grandes tipos de muestreo en lo cualitativo: intencionado y teóricamente guiado.

Diferencias de Muestreo y Muestra entre Estudios Cuantitativo-Cualitativo

• Conocimiento de la población (tamaño y características)→ en lo cuantitativo se conoce a priori el
número y característica de la muestra. En lo cualitativo no, además puedo ir cambiando los criterios
de inclusión y exclusión.
• Extracción de la muestra→ en lo cualitativo debo ir haciendo la producción de datos, al mismo
tiempo que analizo los datos, los pasos van superpuestos (permite que se va generando nueva
información de la cual debo ir profundizando). El proceso de producción de datos o extracción de la
muestra se da en paralelo al proceso de análisis

39
 • Tamaño de la muestra→ en lo cualitativo no sé cuántas personas serán mi muestra final, ya que
quizás logre la saturación antes o por distintos aspectos
• Finalización del muestreo→ en lo cualitativo se da cuando alcanzo la saturación.

Muestreo: Proceso a través del cual se selecciona a aquellos grupos o individuos que serán incorporados al
estudio.

Tipos de muestreo:
• Colección completa: en estricto rigor no es un muestreo, ya que participan de mi investigación todo
el campo de estudio.
o Ej: quiero saber la percepción del curso de técnicas cualitativas de la sección 3, de los días
martes
• Muestreo Teórico/Muestro Teóricamente Guiado
• Muestreo Intencional

Se selecciona la muestra por el uso del modelo teórico emergente. La muestra se selecciona
mediante la utilización de una estrategia sucesiva; se generan conceptos e hipótesis a
partir de los primeros datos, y estos son contrastados con los datos siguientes, resultando
nuevos conceptos que nuevamente son utilizados a continuación; sin un modelo
emergente, no se tiene muestreo teórico. A partir de esto, debo preguntarme a quién me
conviene entrevistar.
• Estrategia sucesiva de muestreo:
o Los conceptos e hipótesis generados a partir de los primeros datos son
contrastados con los datos siguientes
o De este análisis resultan nuevos conceptos que también son utilizados para
la continuación del muestreo, la recolección de datos y análisis
o Sin modelo emergente, no hay muestreo teórico
o Proceso en que la recolección y análisis de datos se retroalimentan para
Muestreo generar una teoría emergente.
Teórico
El Muestreo Teórico es ¿Hacia cuáles sujetos, situaciones, grupos o subgrupos me tengo que
dirigir ahora, para continuar la recolección de datos? y ¿con qué propósito teórico?
• Se selecciona cualquier persona, grupo o situación que ayuda a generar el máximo
posible de información en relación a un fenómeno.
• Se busca la máxima variedad y, luego, se buscan las similitudes y diferencias dentro
de esta variedad.
• Variación estructural máxima de las perspectivas (Kleining)
• Buscar maximizar y minimizar las diferencias del muestreo→ hacer un interjuego
entre ambas

40
 Maximizar las Diferencias de la Muestra:
• Para generar modelos teóricos muy generales habrá que buscar casos/grupos de
comparación muy distantes: nivel de abstracción mayor de los conceptos
generados, permite encontrar datos más elementos en común a todos los
participantes.
• Encuentro las cosas que tienen en común, aunque son distintos. Pero en aspectos
más generales, abstractos.
• Me costará más lograr la saturación.

Minimizar las Diferencias de la Muestra:

• Las propiedades básicas de una categoría generalmente son evidenciadas por datos
similares. Si la muestra tiene características similares, es posible identificar
mejores matices de lo que quiero estudiar.
• Logro profundidad→ Cuando tengo una muestra más similar puedo ser más
detallista y ver los matices que tiene.

Sensibilidad Teórica:
• La capacidad de reconocer qué es lo importante en los datos y darle a esto un
significado
• Ver con profundidad analítica lo que está en los datos.
• Desafiar propios supuestos (estar atento a los propios supuestos, que a veces
pueden interferir) y ver más allá de la literatura.
• Para ello los autores sugieren algunas técnicas que ayudan al investigador a usar
su experiencia y conocimientos como ventajas y no como sesgos.
• Capacidad del investigador de ver que dato es relevante y cual no. Además de que
se profundice el dato.
o Dicha profundidad se asocia a una buena entrevista y buen análisis.
La muestra se intenciona a partir de un criterio definido por el investigador. También es
llamado de criterio, selectivo o de juicio. En este tipo de muestreo se pueden utilizar de
manera combinada distintas estrategias de muestreo y probar diversas combinaciones de
técnicas para responder a la problemática de la investigación. Estos pueden ser:
o Muestreo de casos desviantes o extremos
▪ Permiten un conocimiento del fenómeno de interés, a partir de
manifestaciones poco habituales
Muestreo ▪ Es necesario saber primero qué es lo común.
Intencionado o Muestreo de intensidad
▪ Casos ricos en información que manifiestan el fenómeno
intensamente, pero no extremadamente
▪ Busco casos que tengan una manifestación intensa del fenómeno
o Muestreo de variedad máxima
▪ Documenta diversas variaciones e identifica patrones comunes e
importantes
▪ Elección de un amplio rango de variación de dimensiones de interés

41
 o Muestreo homogéneo
▪ Focaliza, reduce, simplifica el conocimiento de un fenómeno
▪ Busco que la muestra sea lo más homogéneo para poder
profundizar
o Muestreo de embudo
▪ Consiste en partir con un espectro amplio de variables o atributos,
e ir precisando en el camino las más significativas
o Muestreo de caso crítico
▪ Se trata de elegir un caso de significación paradigmática y/o que
reúna condiciones excepcionales de manifestación del fenómeno de
estudio. Permite generalizaciones lógicas y máxima aplicación de la
información a otros casos.
▪ Selecciono un caso muy extremo y que tiene condiciones muy
excepcionales del fenómeno que estudio
o Muestreo de caso típico
▪ Elección de casos para estudiar lo “normal” o los aspectos más
usuales del fenómeno
o Muestreo de bola de nieve
▪ Se utiliza en muestras que son muy complejas de conseguir para el
investigador.
▪ Desventaja: tendré una muestra muy homogénea, lo que podría
generar ciertos sesgos
o Muestreo de casos confirmadores y desconfirmadores

Criterios de Finalización del Muestreo-Definición del Tamaño de la Muestra

• Punto en el cual la inclusión de nuevas unidades no requiere de la modificación de los sistemas de
codificación.
• Teoría emergente es suficiente para explicar la variabilidad del caso porque nuevas unidades no
agregan nueva información (“más de lo mismo”)
• Saturación

Muestras Mínimas
• Especificar la muestra mínima necesaria (y razonable), dado los propósitos de la investigación.
• Posibilidad de incorporar más casos a media que se “despliegue” el campo de estudio.
• Concepto de arranque muestral: con cuantos sujetos al menos realizaré el estudio.
o Lo calculo revisando estudios parecidos, pero siempre es un estimado, ya que puede cambiar.
• No podemos saber de antemano con cuanta muestra lograremos saturar, pero sí sabemos con cuanto
partimos

Importancia de la rigurosidad
No todos los estudios científicos son igualmente rigurosos. Es importante al leer un artículo y evaluar su
rigurosidad científica. La rigurosidad se debe observar transversalmente en todos los momentos del estudio

42
¿Cómo sé que un estudio es riguroso?
• Estructura permite lograr los objetivos propuestos
• Que haya una claridad sobre cómo se obtuvieron los resultados
• Decisiones metodológicas fundamentadas
• Coherencia teoría-trabajo de campo- resultados
• Densidad, profundidad, aplicabilidad, utilidad→ reemplazan a la validez
• Trasparencia, contextualidad → reemplazan la confiabilidad/replicabilidad
• Intersubjetividad→ reemplaza a la objetividad

Rigor estudios cualitativos

• Inaplicabilidad de criterios cuantitativos de rigor (validez, representatividad, objetividad,
confiabilidad)
• Criterios diferenciados (Krause, 1995):
o Densidad: información detallada → Hacer un informe detallado y acercarme a lo que siente el
otro.
o Profundidad: triangulación → ayuda a tener más profundidad
o Aplicabilidad: propósito del estudio → se vincula con la transferibilidad
o Trasparencia: dar cuenta de pasos
o Contextualidad: contexto de realización
o Transferibilidad: aplicabilidad de resultados a contextos similares y dar cuenta de cuál es el
propósito del estudio. El lector debe saber si los datos son transferibles.
o Dependencia: consistencia de datos → debemos tener resultados que sean densos
• Todos los datos están relacionados unos con otros.
• La triangulación sirve para evitar sesgos y lograr profundizar más.
o Ejemplo: ver una botella y que alguien la vea amarilla y la otra verde.
o Otros dicen que tienen etiqueta (siendo que hay gente que no la ve por el lado en el que están).
Entonces, triangular tiene que ver con aceptar e incluir distintas perspectivas, que pueden
ser 2, 3 o más.
o Se puede triangular al momento de hacer el análisis
o Es una de las técnicas que más se usa para dar rigor a la investigación.
o No es un criterio de rigor, sino que es un procedimiento para ser riguroso.
• Criterios de Marshall:
o Se basa en la etnografía
o Propuesta sobre qué hacer para ser riguroso
▪ El método es explicado en detalle a fin de que el lector pueda juzgar si es adecuado y
hace sentido
▪ Los supuestos son explicitados (incluyendo los sesgos personales y teóricos)
▪ Se evitan juicios de valor en la recolección y análisis de datos
▪ Existe abundante evidencia proveniente de los datos brutos (entrevistas,
observaciones) para demostrar la conexión entre los resultados u el mundo real
▪ Las preguntas de investigación son explicitadas y el estudio las responde y genera
preguntas adicionales

43
 ▪ La relación entre el estudio actual y estudios previos ha sido explicitada. Se definió el
fenómeno d estudio sobrepasa los marcos previamente establecidos
▪ El estudio es reportado de manera accesible para otros investigadores, profesionales
y generadores de políticas
▪ La evidencia se presenta mostrando que el investigador fue tolerante frente a la
ambigüedad, buscó explicaciones alternativas, contrastó con evidencia negativa y usó
una variedad de métodos…
▪ El reporte señala las limitaciones de la generalización mostrando al mismo tiempo a
los lectores la transferibilidad de los hallazgos.
▪ Queda clara que éxito una fase piloto a través de la cual se logró la focalización del
problema (esta no proviene simplemente de la literatura)
▪ Se realizaron observaciones de un amplio rango de actividades y sobre un ciclo
completo de estas
▪ Los datos están almacenados y se encuentran disponibles para un re-análisis
(transparencia y audibilidad)
▪ Se aplican métodos para chequear la calidad de los datos (ejemplo: veracidad,
conocimiento de los informantes, etc.)
▪ El trabajo de campo está documentado
▪ El significado se generó a partir de perspectivas transculturales
▪ El estudio se adecua a los estándares éticos referidos al trato de los participantes.
▪ Que los participantes se benefician de algún modo de la investigación
▪ Las estrategias de recolección de datos son las más adecuadas y eficientes que se
encuentran disponibles
▪ El estudio está enmarcado en un cuadro amplio, es decir, el investigador mira
holísticamente su setting, para entender relaciones entre sistemas
▪ El investigador da cuenta del contexto histórico para entender los resultados

V. Trabajo de Campo
Trabajo de campo: aspectos centrales
1. Preparación para la entrada en el campo
o Depende de: escuela teórica, técnica de recogida, tipo de “terreno”
o Decisiones en torno al contacto de informantes
o Identificación de temas, escenarios y elaboración de las guías para la generación de
información
2. Acceso al campo
o Convocatoria de los informantes
o Planificación y realización de las técnicas de generación y registro de información
3. (Durante) y Posterior al trabajo de campo:
o Realizar transcripciones
o Seleccionar y administrar los datos
o Leer y pre- analizar material: definir cambios y el cese del trabajo de campo

44
 Acceso al campo
Ingreso al Campo • Portero
• Informante clave
• Vagabundeo: informal
Estrategias de
• Construccion de mapas: formal
Ingreso al Campo
o Mapas sociales; Mapas espaciales; Mapas temporales
Contacto y • Consentimiento informado • Lugar y hora de la
Presentación de • Retribución convocatoria
los Participantes • Duración • Setting
Al servicio de la técnica de Recolección.
Considerar según:
• Inmediatez
• Complejidad de la información registrada (verbal/no verbal)
• Grado de objetivación/subjetivación de datos.

1. Cuaderno y/o Diario de Campo

• Se anotan las observaciones (notas de campo) de forma completa, precisa y detalla.
Aporta información sobre el proceso.
• Puede utilizarse como un elemento más de análisis y de rigor de la propia
investigación
• Registrar:
o Percepciones, intuiciones y sentimientos del investigador, dificultades y
puntos fuertes del estudio,
Registro de la
o Estrategias fallidas y efectivas,
Información
o Cambios en los guiones
o Resolución de conflictos

Notas de Campo → idealmente se deben tomar lo más inmediatamente posible.

Inevitablemente son selectivas.
Tipos:
• Metodológicas: descripción del desarrollo de las actividades de la investigación e
interacción social investigador/ entorno.
• Teóricas: dirigidas a la construcción de una interpretación teórica.
• Descriptivas: se centran en objeto a estudio y se informa la situación observada.

2. Hoja de Documentación
• Permiten documentar contexto y situación de recogida de datos.
• La información a incluir depende del diseño.
• Puede variar según el diseño y características de cada estudio.
• Hay que considerar las reglas de transcripción.
Transcripción
• Cuidar anonimato.
• Convenciones de transcripción

45
Técnicas de Producción de Datos
Para la producción de datos, se pueden utilizar técnicas como la entrevista, focus group y observaciones.
• Para el trabajo de campo, los siguientes son aspectos centrales:
o Preparación para la entrada en el campo
o Acceso al campo
o Análisis de datos durante y después del trabajo de campo

La elección de cada técnica depende del tipo de estudio a realizar y el tipo de información que se busca
obtener.

Las técnicas de producción de datos:

• Acceder a la subjetividad de otro • No miden
• No buscan objetividad • Importancia de reflexividad sobre los efectos del
• Subjetividad al servicio del investigador
estudio • No se buscan estandarizar ni generalizar los datos

Elección de la técnica depende de:

• Tipo de informacion a obtener
o Oral: entrevista y focus
o Escrito
o Visual: fotografías
• Tipo de estudio

Clasificación de las Técnicas de Recolección

1. Entrevista
Supone una conversación especializada y cuyos fines organizan la estructura más adecuada de esta
conversación.
Entrevista cualitativa: acceder a la perspectiva del investigador, qué es relevante para el, cómo estructura la
realidad.
• Esquema flexible de conversación, que puede ser más o menos estructurado. No es conversación
ocasional o informal.
• A pesar de que es abierta, es focalizada, tiene un tema a tratar; es abierta; unidireccional; hay roles;
profundidad.
• Es asimétrica, hay un experto y otra persona. Es guiada y está estructurada
• Tiene un objetivo

Características de la Entrevista
• Expectativas explícitas entre el que dialoga y la • Se debe lograr que al principio se vayan
gente abordando preguntas más generales y no tan
• Hay un informante que es el invitado complejas.
• Hay un entrevistador que invita a su informante a • Es una entrevista de investigación, no es de
hablar psicodiagnóstico
• Supone una organización con estructura y énfasis

46
Desventajas
• Susceptibles de producir falsificaciones y distorsiones (producto de la percepción)
• Las personas dicen y hacen cosas diferentes en distintas situaciones
• No se observan directamente a las personas en su vida cotidiana, no conocen el contexto necesario
para comprender muchas de las perspectivas en las qu e están interesados.
o Para poder contrarrestar, se puede complementar con observaciones

Validez de la entrevista
● Información puede estar distorsionadas, por lo tanto:
o Abordar tema desde distintas perspectivas
o Obtener información desde distintas preguntas
o Triangular y contrastar
● Criterios de calidad de entrevista:
o Soporte teórico que respalde relevancia del estudio
o Usar técnicas de confrontación y controles cruzados
o Validar las informaciones producidas: recomponer relato y chequearlo con el participante
o Triangular técnicas de recolección

Tipos de entrevista: según estructuración

• Estandarizada presecuencializada
o Mismas preguntas a todos y el mismo orden→ es más parecido a lo cuantitativo
• Estandarizada no presencualizada (semi-estructurada)
o Mismas preguntas, distinto orden
• No estandarizada
o Guía en la que se anticipan las cuestiones generales y la información específica que se quiere
reunir.
o Se tienen los temas y de ahí surgen las preguntas
o La entrevista cualitativa es más cercano a lo no estandarizado.

Entrevista en profundidad → Reiterados encuentros cara a cara entre el investigador y los informantes,
dirigidas hacia la comprensión del fenómeno a estudiar.
• Se pueden utilizar en casos donde el investigador aborda un tema que tiene mayor sensibilidad, ya
que así los participantes van teniendo más confianza con el investigador.

Tipos de preguntas
• Descriptivas: busca describir una situación
• Estructurales: verifican o componen constructos, como estructura el sujeto su conocimiento y la
realidad, como al entiende.
• De contraste: Comparación
• Otra clasificación:
o Preguntas demográficas / biográficas o Preguntas sobre sentimientos
o Preguntas sensoriales o Preguntas sobre conocimiento
o Preguntas sobre experiencia/conducta o Preguntas de opinión / valor.

47
 La Guía de la Entrevista
• Formulada a partir de preguntas directrices • Investigador decide cómo enunciar y cuándo
• También llamado guión temático formular preguntas
• Asegurarse de explorar los temas claves. • Recibe modificaciones (menores) en transcurso
• Lista de áreas generales que deben cubrirse con de investigación.
cada informante • Importancia de guardar todas las versiones del
guión
Etapas de la Entrevista
2. Introducción o 3. Desarrollo de la
1. Contacto Inicial 4. Cierre
Presentación Personal Entrevista
Cuánto va a durar, será • Explicitar objetivos • Preguntas Preguntar si hay algo
grabada, el tema, lugar • Explicitar pedidos→ introductorias: más que les hubiera
donde se realizará. decir que está en deben ser preguntas gustado comentar sobre
completa libertad, fáciles el tema o que no se le
no hay respuestas • Preguntas claves haya preguntado en la
buenas ni malas entrevista. Dejar
espacio para nueva
entrevista.

Elementos a considerar al hacer entrevistas

• Preparación entrevista
o Seleccionar formato de preguntas y modo de respuestas
o Pauta/ guión
o Organización de información
o Indicar:
▪ Datos de la entrevista
▪ Datos del entrevistado
▪ Datos del proyecto
o Datos de identificación relevantes dependen del propósito del estudio
• Inicio de la entrevista
o Explicaciones preliminares: tema, por qué a él/ella, por qué grabar.
o Conversación en torno al documento de consentimiento informado y firma de este)
o Explique propósito de hablar temas sensibles
o Creación de una atmósfera adecuada
• Durante la entrevista
o Escuchar al participante o Actitud inocente
o Hacer una pregunta a la vez o Haga preguntas en forma de juego de
o Preguntas claras, en lenguaje apropiado roles. Ej. Si a un amigo le pasara X, ¿Qué
o Evitar preguntas sesgadas le diría?
o Incluir preguntas que aludan tanto a o Saber cuándo cambiar la discusión
pasado, presente y futuro o Pequeños resúmenes para chequear
o Usar los términos usados por el información y agregue nuevas cosas.
entrevistado

48
 • Luego de la entrevista
o Registrar datos de participantes en archivo de registro
o Guardar consentimiento
o Evaluar entrevista
o Realizar anotaciones en cuaderno de campo
o Descargar archivo de audio y transcribir
• Evaluación posterior de la entrevista
o Elementos contextuales
o Ritmo
o Funcionamiento de la guía
o Datos no contemplados
o Actitud entrevistador
o Profundidad Respuestas
o Reacciones emocionales
o Intimidad lograda

Estrategias para realización de entrevistas

• Sondeo
o Una de las claves cuándo y cómo sondear, explorar, escudriñar.
o Sondear los detalles de las experiencias de las personas y los significados que éstas le
atribuyen.
o El entrevistador no puede dar por sentado supuestos y comprensiones del sentido común que
otras personas comparten.
• Controles cruzados
o Contrastar información que creemos puede estar distorsionada, o es contradictoria.
o Se revisa esa información ya sea con el mismo entrevistado o con otras personas claves.

2. Observación
¿Para qué sirve observar en estudios cualitativos?
• Diferencia entre lo que se dice y se hace
• Comprender acciones y comportamientos
• Comprender desde contextos naturales
• Complementar y enriquecer otras técnicas

• Conocer desfase: se dice y se hace

Ventajas • Pocos recursos
• Comprender desde dentro
• Requiere considerar el propio impacto sobre observación
Limitaciones • Requiere tiempo
• Difícil acceso a algunos campos

49
Planificación observación
• ¿Es atingente observar para esta situación? • ¿Quién o quienes van a ser observados y por
• ¿Qué unidades de observación se requieren? qué?
• ¿Qué unidades de medida se usarán? (Estudios • ¿Dónde se va a observar?
cuantitativos) • ¿Durante cuánto tiempo se van a hacer
• ¿Cómo se van a recoger las observaciones? observaciones?
• ¿Quiénes van a observar y cual será su rol?

Clasificación de la Observación
1. Según Grado de Participación del Investigador
• Participante completo
• Participante como observador
• Observador como participante
• Observador completo

2. Según Grado de Estructuración de la Recolección de Datos

3. Según si es Encubierta o Descubierta

¿Qué observar?: importancia unidad de análisis

• En lo cualitativo se sabe desde donde comenzar no dónde se terminará
• Objeto que se desea estudiar. Ej: personas, grupo, interacciones, etc.
o Conducta no verbal
o Conducta vocal extra lingüistica
o Conducta verbal
o Continuo de comportamientos
o Atributos
o Conductas
o Interacciones
o Productos de conducta

Preparación observación
• Qué necesito:
o Guía de observación
o Cuaderno de campo
o Cámara fotos, grabadora (opc.)
• Guía de observación:
o Qué quiero observar
o Contextualización de la observación
• Si no soy OP, definir desde donde observaré
• Toma de contacto
• Informante clave

50
Registro de observaciones ¿Con qué observar?
• Nivel de estructuración depende:
o Marco referencial teórico
o Fase de investigación
• Formas de registro
o Sistemas categoriales
o Procedimientos automáticos de registro
• Registros narrativos: descripciones formato flexible

Registrar antecedentes de observación

Hoja de registro (modelo de uso)

Fecha: _________________

Lugar: ________________

Ubicación: _________________

Situación observada y contexto: _______________

En el contexto de observación, se deben considerar, los elementos físicos, sociales, culturales e históricos.
Tiempo de observación: _______________________

3. Observación
Observador/a: participante
___________________
• Propia de estudios etnográficos y antropológicos. Permite también recoger datos de distintos
tipos
• Entender lo culturalmente relevante. Importancia de mantener sentido de «objetividad» a través
de la distancia.
• No hacerse nativo, pero si un miembro apto
• Tomar notas precisas sin imponer categorías anteriores influidas por marco teórico (si podrían
ser emergentes)
• No como el investigador afecta lo observado, si no como considera esto para analizar y explicar
los resultados
• Requiere notas se tomen posteriormente
• Proceso de compartir para familiarizarse

4. Grupos focales
• Es más interactivo que una entrevista, la interacción gira en torno al tema de investigación.
• Se utiliza cuando se requiere información general, social, más que la individual
• El grupo focal no es una entrevista serial.
• No busca ni informar ni persuadir
• No esperar que cada momento sea significativo.
• No esperar consenso.
• Se debe realizar en un lugar neutro
• Se debe distribuir heterogéneamente a los participantes, no formar bandos

51
Desarrollo del grupo focal
Desarrollo del Grupo Focal
Distribución y tipos de preguntas Registro
• Apertura • Claves • Notas de campo tomadas por asistente
• Introductorias • Termino • Notas esquemáticas en una pizarra
• Transición • Síntesis • Grabaciones

Quiénes guían el grupo focal

• Moderador
o Características personales
o Estilos de moderación
o Experiencia y antecedentes personales
• Observadores
o Tomar nota para posterior discusión durante la sesión de resumen
o Quizás deseen presentar ciertas preguntas adicionales durante el debate

Problemas que ocurren en grupos focales

• Sesión en grupo conforme a la mayoría.
• Sesión en grupo aburrida.
• Pérdida del control del grupo focal.
• Problemas especiales de los participantes.

52
 VI. Análisis
Proceso de Análisis de Datos e Interpretación de Datos
• ¿Qué voy a hacer con la información recolectada? ¿Cómo la voy a analizar la información?
• Tipo de análisis que se realizará depende de:
o Postura epistemológica y teórica del investigador → Lenguaje como representación/
lenguaje como acción
o Objetivos de la investigación y del tipo de estudio a realizar.
• Existen múltiples formas de realizar análisis de datos y nomenclaturas para los mismos.
• Error confundir software usado con estrategia de análisis
• No existe taxonomía universalmente aceptada sobre tipos de análisis
• Al presentar un análisis lo importante es que el otro pueda entender cómo lo hiciste y cómo llegaste
a la conclusión que tienes.
• Importancia de proporcionar información sobre los modos en que los datos son transformados en
interpretaciones y resultados (criterios de accesibilidad y transparencia).
• El propósito del análisis es dar propósito a los datos.
• El análisis cualitativo permite:
o Acceder a los significados de los textos
o Acceder a los significados que construyen los textos

53
Clasificaciones de las estrategias de análisis de datos
Distintas estrategias para clasificar tipos de análisis de datos:
• Constructivo/ deconstructivo
• Según complejidad:
o Observaciones
o Sistemas descriptivos (listas y tipologías)
o Relaciones entre «variables»
o Formulaciones matriciales
o Análisis cualitativo en apoyo de la teoría
• Según están orientados a describir/ orientados a interpretar.
o Descriptivos, qué y cómo sucede (Ej. Etnografía). Basados en la narración para describir
fielmente, baja conceptualización.
o Estudios interpretativos: utilizan datos para ilustrar teorías, conceptos, buscan comprender
(Ej, teoría fundada)
• Según distinción análisis de contenido v/s análisis discurso
o Análisis de contenido: énfasis en qué se dice y en el sentido del texto. Se pueden distinguir 3
subtipos: sintáctico (morfología del texto); semántico (sentido), pragmático (circunstancias
en que se da comunicación)
o Análisis de discurso: énfasis en lenguaje como constructor de realidad, conocer qué realidad
se promueve, mantiene, o transgrede a través de los discursos.
• Según buscan descubrir / verificar teorías

Análisis de datos
• Algunas estrategias de análisis cualitativo:
o Teoría fundada
o Análisis semiótico
o Análisis del discurso
o Análisis estructural del discurso
o Análisis temático de contenido
o Etc.
• El propósito del análisis es dar sentido a los datos
• Análisis cualitativo permite:
o Acceder a los significados de los textos
o Acceder a los significados que construyen los textos
• Debe haber dependencia entre lo que los sujetos dicen y la interpretación que nosotros damos a eso.
• No es repetir o re-transmitir lo que dicen los sujetos.
• Implica realizar algún tipo de operación con la información que tenemos (ej. Interpretar, categorizar,
etc)
• Un vicio en el análisis es ir a lo que se repite y dejar de lado la heterogeneidad, no buscamos lo común
sino los distintos significados emergentes.
• En el análisis debo mostrar el discurso del otro, no usarlo como excusa para justificar lo que yo quiero.
“Cómo mira la vida el otro»

54
 • Hay muchas formas distintas de presentar un análisis, pero lo importante es que el otro pueda
entender cómo lo hiciste y cómo llegaste a la conclusión que tienes: “Comunicabilidad”
• Requiere familiarización importante con el material
• Se realiza análisis intra e intercasos
• Implica reducir los datos
• Implica dar sentido a los datos
• Requiere cuestionar y validar propios análisis
• Implica presentar resultados de forma clara, densa y comunicable
o Poder realizar triangulación.

Se evalúa qué voy a hacer con la información recolectada y cómo será analizada.
El tipo de análisis dependerá de la postura epistemológica y teoría del investigador. El análisis no busca ver
qué información es la que más se repite, sino que busca ver similitudes y diferencias, matices del fenómeno,
tensiones que aparecen, etc.

Existen distintas técnicas de análisis de datos, las cuales a su vez dependen de la pregunta de investigación,
del diseño, y del enfoque epistemológico:

• Análisis de Contenido: se focaliza en el contenido, qué dice y cómo representa la realidad. Se parte de los
datos textuales, descomponiendo en unidades de sentido las que posteriormente se agrupan en
categorías, como por ejemplo datos brutos útiles, citas. Las unidades se agrupan en categorías.
Importancia al clarificar criterio de formulación de categorías (predefinidas-inferenciales). Busca
comprender a qué se refiere lo que está dicho (noción representacionista del lenguaje; el lenguaje como
una representación de una realidad). No es solo agrupar sino también implica inferir.
o Una limitación puede ser, por ejemplo, el “sarcasmo”→ hay cosas que pueden ser más complejas
de analizar, porque se enfoca en el qué se dice, más que en el cómo se dice.

• Análisis de Discurso: se focaliza en el momento histórico, qué efectos o condiciones permiten el

desarrollo del discurso, qué significaron esas palabras dentro de su contexto. Se debe ir más allá de la
descripción, buscando la profundidad, intenciones, efectos, qué dice y que NO dice, qué tensiones existen,
qué distinciones se hacen.
o Lenguaje como acción→ hay interés en aspectos pragmáticos del discurso
o No pregunta por las intenciones o contenidos mentales, tras el texto (no nos interesa el
inconsciente o los procesos internos).
o Segmentar, Identificar todos los elementos del texto.

55
 o Considerar el contexto dentro del cual surge el discurso. ¿Qué significan esas palabras en ese
texto y en ese contexto?
o Hay que ir más allá de la descripción. ¿Qué permite que las cosas sean así? ¿Cómo se
explica/argumenta aquello que se describe o distingue? ¿Qué efectos tiene? ¿Qué es lo que no
dice el texto? ¿Cómo se relacionan los elementos que están presentes en el texto? ¿Qué tensiones
aparecen en el texto? ¿Qué distinciones se hacen? (ej. nosotros- ellos) ¿Cuáles son los ejes que
aparecen en el relato?

• Teoría Fundamentada o Teoría Fundada: es una metodología general para desarrollar una teoría a partir
de datos que son sistemáticamente capturados y analizados, siendo una forma de pensar acerca de los
datos y poderlos conceptualizar. No es lo mismo usar la estrategia analítica de la teoría fundamentada
que usarla como método. Se genera una teoría o modelo explicativo (comprensivo) a partir de los datos
recogidos en contextos naturales, reconociendo el papel activo de las personas en la formación del
mundo, otorgando importancia al significado y acción de ellos. Generar una formulación teórica de la
realidad. El proceso se desarrolla en tres niveles de codificación:
o Transcripción: paso previo donde se escribe textualmente lo recopilado en las entrevistas o focus
group
o Codificación abierta: entrega datos descriptivos, trabajando directamente sobre el material
recopilado y genera un “árbol” que contenga códigos, categorías y sub-categorías
o Codificación axial: se entregan datos relacionales, o sea, se relacionan los componentes de las
principales categorías obtenidas de la cod. Abierta
o Codificación selectiva: entrega datos relacionales con el resultado final de integrar de forma
interrelacionada los resultados de la cod. Axial, en torno a una categoría central, la TEORÍA
EMERGENTE

Procedimiento de análisis
DATOS OBTENIDOS
Entrevistas, documentos, observaciones, grupos focales, etc.

REVISIÓN DE DATOS: CODIFICACIONES

Codificación: conceptualización de los datos

TRES NIVELES DE CODIFICACIÓN

Abierta; Axial; Selectiva

TEORÍA EMERGENTE

56
Proceso de análisis
• Identificación de códigos a partir de los textos
• Cada nuevo dato observado se compara con categorías/códigos ya formados, lo que permite afinar
sus propiedades o crear nuevas categorías.
• Se identifican las categorías principales y las relaciones entre ellas.
• El proceso termina en la integración final de la teoría en función de una categoría central. Ésta debe
permitir la integración de todos los datos recopilados acerca del fenómeno.

Proceso de codificación
Tres Etapas
Entrega datos descriptivos. Se trabaja directamente sobre el material recopilados y se genera un
Codificación Abierta

“árbol” que contenga códigos, categorías, subcategorías, etc. Esto puede requerir “fundir” códigos
que apelaban a lo mismo, pero tenían nombre distinto. Los códigos se agrupan en familias de códigos
(códigos con mayor nivel de abstracción y que pueden unificar varios códigos). El criterio para
formar familias de código, lo define el investigador, pero el ideal es que la creación sea de tipo
inductivo. El criterio no es lo que “más se repite”.
• Análisis de entrevista
Entrega datos relacionales. Se comienzan a relacionar los componentes de las principales categorías
obtenidas en la codificación abierta.
• Integración de categorías(árboles), todas las entrevistas.
• Procedimientos mediante los cuales los datos se vuelven a “unir” después de la codificación
abierta. Esto incluye condiciones, contexto, estrategias de acción/interacción y,
consecuencia.
• Proceso de relacionar categorías con sus subcategorías.
• De las principales categorías obtenidas en la CA, se realizan codificaciones axiales
Codificación Axial

• La codificación ocurre alrededor de los ejes de una categoría, uniendo categorías al nivel de
propiedades y dimensiones.
• Los datos son vueltos a articular creando nuevas relaciones.
• Distinguir los tipos de relación que podrían establecerse entre las categorías de manera de
explicar el fenómeno, sus causas y consecuencias, el contexto y las estrategias para su
aparición y las condiciones intervinientes.
• Las CAX se representan gráficamente, pero el gráfico no es en sí mismo el resultado.
• Deben dar cuenta de las cualidades del fenómeno.
• Paradigma de la codificación:
o Modelo, que sirve de apoyo al realizar las CAX y la CS.
o Identifica elementos que se debieran considerar en este nivel de análisis.
o Sirve de guía, pero no es impositivo

57
 Entrega datos relacionales, es el resultado final en donde se integran de forma interrelacionada los
resultados de la CAX en torno a una categoría central: TEORIA EMERGENTE
• Proceso de integrar y refinar la teoría.
• Se integran elementos de las codificaciones axiales en torno a una categoría central.
• Implica, la identificación de una "categoría central", la cual corresponde a una dimensión
explicativa del proceso de análisis, pero de un nivel de abstracción mayor.
Codificación Selectiva

• Procedimiento a través del cual se escoge la categoría central, relacionándola con otras
categorías, validando dichas relaciones y completando aquellas categorías que requieren de
mayor afinamiento y desarrollo.
• Pasos para el proceso de codificación selectiva:
o Desarrollar un relato acerca del fenómeno central.
o Construir un argumento central; explicación conceptual al fenómeno central,
surgiendo así la categoría central.
o Organizar y establecer relaciones del resto de las categorías en función de la
categoría central.
o Validar las relaciones establecidas a través de la contrastación con los datos.
o Completar las categorías que requieren de mayor desarrollo y precisión.

VII. Resultados
Elaboración y Presentación de Resultados
Resultados descriptivos:
• Entrevistas codificadas, categorías y subcategorías corresponden aun al material “bruto”.
• Se debe construir un relato “denso” y profundo de los resultados obtenidos, explicando las distintas
categorías y utilizando citas para ilustrar resultados obtenidos
• Se sugiere presentar breve tabla que de cuenta de las principales categorías obtenidas.
• No se trata de “pegar” citas, la riqueza está en el relato que se conforma en torno a las categorías, etc.
• No se deben mostrar sólo generalidades, ni “lo que más se repite”.
• Considerar espacio que se tiene para presentación de resultados

Resultados relacionales:
• Se sugiere agregar esquemas relacionales tanto de las codificaciones axiales como selectivas.
• Se deben presentar narrados estos resultados, mostrando con claridad las relaciones encontradas
entre los distintos elementos.
• En este nivel no es obligatoria la inclusión de citas.

VIII. Discusiones y Conclusiones

Discusiones
• Reflexionar en torno a los resultados obtenidos
• Comprender los resultados a la luz de la teoría.
• Puede requerir que se vuelva a buscar referentes teóricos que me permitan comprender mis
resultados
• Implica discutir y reflexionar sobre mis resultados considerando los elementos que llevaron a
formular el estudio.

58
 • Interpretar resultados a partir del marco teórico.
• Ir más allá de la coincidencia/diferencia de resultados con otros estudios
o Cómo puedo interpretar mis resultados a la luz de la teoría
o Cómo mis resultados complementan o ponen en tensión la teoría y los estudios previos.
o Qué novedad aportan mis resultados respecto de lo que ya se ha dicho teórica y
empíricamente

Conclusiones
• Dan respuesta a los objetivos
• Iniciar con breve recapitulación del estudio
• Responder tanto al objetivo general como a cada uno de los objetivos específicos.
• No se trata de repetir los resultados ya presentados
• Reflexión sobre:
o Novedad de los resultados
o Aporte del estudio al campo disciplinar
• Reflexión sobre limitaciones del estudio
• Reflexión sobre futuras líneas a seguir a partir de los resultados obtenidos.
• Breve cierre

Difusión del estudio

• Relevancia teórica y compromiso ético.
• Difundir tanto en la comunidad científica como en la comunidad general
• Diferentes modalidades
o Congresos (posters, presentaciones libres, mesas redondas, panel)
o Revistas científicas

CRITERIOS DE RIGOR CIENTÍFICO

Según Guba:
• Credibilidad: grado en el cual los resultados • Dependencia: coherencia entre los datos
reflejan una imagen clara y representativa • Confirmabilidad: forma en la cual un
de lo que se estudia investigador puede seguir la pista o ruta de
• Transferibilidad: posibilidad de ampliar los lo que hizo otro investigador; para esto es
resultados del estudio a otras poblaciones, necesario un registro y documentación
examinando qué tanto se ajustan los completa de las decisiones e ideas que
resultados a otros contextos surgieron durante el proceso del estudio

Según Krause:
• Densidad: información detallada • Transparencia: dar cuenta de los pasos que se
• Profundidad: capacidad de siguieron
triangulación • Contextualidad: contexto de realización
• Aplicabilidad: propósito del estudio • Transferibilidad: aplicabilidad de los resultados a
• Dependencia: consistencia de los datos otros contextos

59
 TABLAS RESUMEN

CUALITATIVAS CUANTITATIVAS
Percepciones subjetivas que varían caso a caso, Estudia las propiedades y fenómenos
busca la profundidad más que la cuantitativos y sus relaciones para proporcionar
generalización. No busca comprobar hipótesis. la manera de establecer, formular, fortalecer y
• Estudio de fenómenos poco conocidos. revisar la teoría existente.
• Acceso al significado/construcción de la • Uso de Hipótesis
acción social, desde la perspectiva de los • Implica identificación de variables
Concepción y involucrados. • Procedimientos estadísticos
Aspectos
• Reconstrucción de escenarios • Generalización de resultados
relevantes de
psicosociales complejos (ej: • Validez externa e internas
la realidad
representaciones en torno al terremoto). • Causalidad
• Reconstrucción retrospectiva de procesos • Hipótesis
psicológicos o sociales (ej: episodios de • Operacionalización
cambio en psicoterapia). • Control / Aislamiento Variables
• Creación de nuevos modelos conceptuales • Validez
o teóricos. • Confiabilidad
• Replicabilidad
Conocer percepciones y significados de las Generalización de resultados.
Paradigma a
personas desde su propia perspectiva, vivencia
la Base
o experiencia.
1. Identificar un tema o idea relevante. 1. Identificar un tema o idea relevante.
2. Plantear el problema de investigación. 2. Plantear el problema de investigación.
3. Elaborar un marco teórico. 3. Elaborar un marco teórico.
4. Definir el tipo de investigación. 4. Definir el tipo de investigación.
5. Establecer preguntas directrices. 5. Establecer hipótesis.
Etapas de la
6. Seleccionar diseño. 6. Seleccionar diseño.
Investigación
7. Seleccionar muestra. 7. Seleccionar muestra.
8. Recolección de datos, trabajo de campo. 8. Recolección de datos, trabajo de campo.
9. Análisis de los datos. 9. Análisis de los datos.
10. Presentación de resultados. 10. Presentación de resultados.
11. Conclusión y discusión. 11. Conclusión y discusión.

60
 Son no experimentales ya que no hay Diseño experimental (control o manipulación de la
control de las variables. variable independiente, para analizar las
1. Estudio de caso: busca la consecuencias que tiene la manipulación tiene sobre
reconstrucción de un caso una o más variables dependientes).
2. Estudios comparativos: interesa 1. Pre - experimentales: se manipula la Vi, no hay
indagar en el fenómeno en 2 o más grupo de control, menor validez interna.
personas interesadas. 2. Cuasi - experimento: no hay asignación aleatoria,
3. Estudios retrospectivos: se reconstruye hay grupo de control. Se mide la Vi pre y post.
el momento en el tiempo en que se 3. Experimento puro: asignación aleatoria, grupo
desarrolla la investigación. de control, mayor validez interna. La Vd no se
4. Transversal: estudio de fenómenos en manipula, solo se mide. La manipulación de la Vi
el momento mismo en el que está se puede llevar a cabo en dos o más grados (uno
ocurriendo. recibe, la otra la mitad, el otro no). Puede haber
5. Longitudinal: levantamiento de datos medición pre y post.
Diseños de
sucesivamente en distintas etapas a lo
Investigación
largo de un período de tiempo Son no experimentales ya que no hay control de las
prolongado. variables.
• Estudio de caso: busca la reconstrucción de un
caso
• Estudios comparativos: interesa indagar en el
fenómeno en 2 o más personas interesadas.
• Estudios retrospectivos: se reconstruye el
momento en el tiempo en que se desarrolla la
investigación.
• Transversal: estudio de fenómenos en el
momento mismo en el que está ocurriendo.
• Longitudinal: levantamiento de datos
sucesivamente en distintas etapas a lo largo de
un período de tiempo prolongado.
Lógico inductivo-conceptual. • Lógico hipotético-deductivo.
Descubrimiento de nuevos conceptos, • Comprobación de hipótesis dentro de una
dentro de una perspectiva sistémica. perspectiva, realidad considerada en sus
Realidad considerada como fruto de un aspectos universales.
proceso histórico de construcción
particular.
1. Fenomenología: orientado a examinar
un fenómeno en particular.
2. Etnografía: examinar comportamientos
Enfoques
de las personas dentro de su propio
entorno cultural.
3. Teoría fundamentada: generada en
base a modelos teóricos.
4. Investigación acción: investigadores
trabajan de forma activa dentro de la
comunidad estudiada.
5. Método o enfoque biográfico: centrado
en la revisión biográfica.

61
 Tamaño muestral más acotado por temas Generalmente más grande (por ejemplo: de 100 para
Tamaño de recolección de datos. arriba), ya que busca ser abarcativa y generalizada a
muestral y toda la población de estudio. Sin embargo, no es
características requisito esta cantidad de muestra, debido a que
de la muestra depende básicamente cuál es el objetivo y qué se
quiere investigar.
• Entrevistas abiertas o Deben ser confiables válidos y objetivos. Personas,
semiestructuradas. observaciones, documentos, experimentos, etc.
• Entrevista estructurada. Escalas adaptadas, validadas y estandarizadas,
Técnicas de • Focus group. cuestionarios, observación.
recolección de • Observación. Pasos de recolección de datos:
datos • Documentos escritos. 1. Definición de variables
2. Operacionalizar las variables (determinar el
método para evaluar).
3. Definir muestra
4. Definir los recursos (tiempo, apoyo, económico).
Uso de preguntas directrices (conocer Principalmente uso de hipótesis (proposición o
principalmente las cualidades del objeto a aseveración que expresa una solución tentativa a un
ser estudiado). problema de investigación y de cómo se resuelven
• Se formulan desde cada uno de los los resultados del estudio).
objetivos específicos (son abiertas Variables (son atributos, características, que tienen
y no son preguntas de entrevista). más de un valor o forma de presentación):
• Surgen desde la curiosidad del Por función de la hipótesis:
investigador. • Independientes.
• Son el punto intermedio entre los • Dependientes.
Uso de
objetivos y la pauta de entrevista. • Intervinientes.
hipótesis,
Por el tipo de información que entregan:
variables y
• Cualitativas.
preguntas
• Cuantitativas.
directrices
Por la forma en que registran sus valores:
• Discretas.
• Continuas.
Según niveles de medición:
• Nominal.
• Ordinal
• Escalar.
o Intervalar.
o De razón.
Análisis de Codificación (abierta, axial, selectiva) SPSS, T student y Anova.
datos
Los resultados no se generalizan, ya que se Sí, ya que busca poder estimar resultados que
Generalización
busca la percepción subjetiva y personal de indiquen una generalización al resto de la población
de resultados
cada entrevistado. muestral.
• Credibilidad • Validez interna
Criterios de
• Transferencia • Validez externa (generalización)
Rigor
• Dependencia • Fiabilidad
Científico
• Confirmación • Objetividad

62
 Son no experimentales ya que no hay control de las variables.
1. Estudio de caso: busca la reconstrucción de un caso
2. Estudios comparativos: interesa indagar en el fenómeno en 2 o más personas
interesadas.
3. Estudios retrospectivos: se reconstruye el momento en el tiempo en que se desarrolla la
investigación.
4. Transversal: estudio de fenómenos en el momento mismo en el que está ocurriendo.
5. Longitudinal: levantamiento de datos sucesivamente en distintas etapas a lo largo de un
Diseños de
período de tiempo prolongado.
investigación
Diseño experimental (control o manipulación de la variable independiente, para analizar las
consecuencias que tiene la manipulación tiene sobre una o más variables dependientes).
1. Pre - experimentales: se manipula la Vi, no hay grupo de control, menor validez interna.
2. Cuasi - experimento: no hay asignación aleatoria, hay grupo de control. Se mide la Vi pre
y post.
3. Experimento puro: asignación aleatoria, grupo de control, mayor validez interna. La Vd
no se manipula, solo se mide. La manipulación de la Vi se puede llevar a cabo en dos o
más grados (uno recibe, la otra la mitad, el otro no). Puede haber medición pre y post.

Probabilístico (se basan en el principio de equiprobabilidad, todos los individuos tienen la misma
probabilidad de ser elegidos. Nos aseguran la representatividad de la muestra extraída y son, por
tanto, los más recomendables).
Tipos de muestreo…
1. Aleatorio simple: 1) se asigna un número a cada individuo de la población y 2) a través
de algún medio mecánico (bolas dentro de una bolsa, tablas de números aleatorios,
números aleatorios generados con una calculadora u ordenador, etc) se eligen tantos
sujetos como sea necesario para completar el tamaño de muestra requerido. Es simple
pero tiene poca utilidad para grandes muestras.
2. Aleatorio sistemático: En este caso se elige el primer individuo al azar y el resto viene
Técnicas condicionado por aquél. Por ejemplo: una persona, y cada dos puestos a su izquierda se
muestreo selecciona y de eso dos puestos a su izquierda y así.
3. Aleatorio estratificado: Consiste en considerar categorías típicas diferentes entre sí
(estratos) que poseen gran homogeneidad respecto a alguna característica (se puede
estratificar, por ejemplo, según la profesión, el municipio de residencia, el sexo, el estado
civil, etc).
4. Aleatorio por conglomerados: Se divide la población en varios grupos de características
parecidas entre ellos y luego se analizan completamente algunos de los grupos,
descartando los demás. Dentro de cada conglomerado existe una variación importante,
pero los distintos conglomerados son parecidos. Requiere una muestra más grande,
pero suele simplificar la recogida de muestras. Frecuentemente los conglomerados se
aplican a zonas geográficas

63
64
65
 TÉCNICAS CUANTITATIVAS DE INVESTIGACIÓN

Resultados de aprendizaje
• Organizar las fases implicadas en el diseño y construcción de instrumentos de medición comúnmente
usados en psicología, reconociendo la pertinencia, validez y confiabilidad de los distintos
instrumentos de investigación para el abordaje de problemas de investigación y de los contextos en
que se aplica.
• Interpretar, adecuadamente, los resultados obtenidos en los análisis estadísticos de datos reales y/o
simulados arrojados por el programa computacional.
• Redactar y presentar resultados de manera clara y coherente, en forma de texto y/o en forma
esquemática, al construir tablas y gráficos.
• Planificar un proceso de recolección y análisis de datos, pertinente a un problema de investigación
específico, considerando el tiempo y los recursos disponibles.

Principales contenidos
• Proceso de Recolección de Datos
• Métodos e instrumentos de recolección de datos
• Métodos de análisis de datos
• Presentación de resultados.

INVESTIGACIÓN

Investigación Cuantitativa
• Es secuencial (hay pasos)
• Utiliza la recolección de datos para probar hipótesis, basándose en la medición numérica y el análisis
estadístico.
• Su objetivo es responder una pregunta de investigación.
o Con la estadística se prueba una hipótesis

La investigación cuantitativa intenta explicar y predecir los fenómenos investigados, buscando regularidades
y relaciones causales entre los elementos (variables) medidos
• Yo establezco una relación y lo paso al sistema computacional (analizar estadísticamente)→ si es que
es correcta esta relación (ejercicio – estrés), se va a relacionar ahora y siempre (generalización de los
resultados)
o Ej: a los 100 grados, el agua hierve. A partir de esto, en todas partes y ahora y siempre será
correcta esta relación, o sea se generalizan los resultados.
o Ej: niños con TDAH, esta generalización solo vale para sujetos iguales o similares a los que se
estudiaron.

66
Pasos para la Investigación
1. Planteamiento del problema
2. Elaboración de hipótesis y definir variables
3. Desarrollo de diseño de investigación
o Cómo yo me enfrente a las variables, determinará el diseño de investigación.
4. Definición y selección de muestra
o Sesgo de muestra: cuando el investigador no selecciona aleatoriamente, es decir prueba su
hipótesis a partir de una población determinada.
▪ Mamá rechazante – hijos con alta reactividad al cortisol: la muestra solo contiene
madres rechazantes por lo que no se compara con nada más. La muestra está sesgada.
o Para generalizar un resultado, debe existir una muestra aleatoria
5. Recolección de datos: implica reunir datos provenientes del objeto de investigación de una manera
confiable, valida y objetiva (recoger datos)
6. Análisis de datos
7. Reporte de resultados

Diseño de investigación:
1. Tipo de estudio / enfoque
2. Alcance y profundidad
3. Participantes (muestra y muestreo)
4. Instrumentos /Técnicas de producción de datos
5. Estrategias de análisis
6. Procedimiento
7. Criterios de rigor → confiabilidad y validez.
8. Resguardos éticos
o Está la beneficencia, no maleficencia, justicia, autonomía.
9. Planificación temporal

ELEMENTOS DE UNA INVESTIGACIÓN CUANTITATIVA

1. Planteamiento del Problema
Problema de Investigación→ es la idea de investigación más estructurada y afinada.

Elementos de planteamiento del problema:

1. Antecedentes y estado de arte del problema.
2. Preguntas y objetivos
3. Justificación y viabilidad

Una investigación cuantitativa debe considerar sesgos de diferentes tipos:

• Ser lo más acotadas posibles
• Parsimonia en la formulación
• Parsimonia en lo que van a explicar
• Coherentes con los métodos de medición y análisis estadísticos
• Enfocados a un problema básico, aislando otras variables

67
 2. Elaboración de Hipótesis y Definir Variables

Problema → solución hipotética → abordaje de la pregunta básica → validación resultados

Hipótesis
• Herramientas que me ayudan en la investigación. Aquello que nos va a permitir plantear una
dirección a nuestra pregunta de investigación.
• Va a denotar, expresar lo que yo estimo o creo que voy a encontrar con mis datos.

Aplicación de la Hipótesis en los tipos de enfoques:

• Exploratorio: no se formulan
• Descriptivo: se pronostica un hecho o un dato
o Ej: “Los alumnos de derecho evalúan positivamente su relación de pareja”.
o “El 20% de los alumnos establecen relaciones de pareja”.
o el 70% de los estudiantes, asistirá a los talleres de apoyo
• Comparativas: establecen las diferencias esperadas entre dos o más grupos de variables.
o Ej: “los hombres valoran más los aspectos físicos que las mujeres”.
o “los alumnos del 4ºA son más estudiosos que los del 4ºB”.
o Diferencia de grupos: los estudiantes con mejor rendimiento asisten a los talleres, en
comparación a los que no asistieron
• Correlacional: hipótesis correlacional
o Ej: relación → “el rendimiento académico se relaciona con la autoestima”.
o Dirección → “a mayor autoestima, mayor rendimiento”.
o Relacional/asociativa: a mayor asistencia a los talleres, mejor desempeño en el examen de
grado
o Hablar de un estudio correlacional es un error, ya que es algo estadístico. Es más adecuado
decir estudio relacional o asociativo.
• Explicativo: hipótesis causales
o Lo explicativo no tiene cabida en lo estadístico, ya que a lo máximo que se puede llegar es a
lo correlación
o La explicación del fenómeno no es rastreable estadísticamente
o Ej: “la aprehensión materna genera aumento de la psicopatología infantil”
(VI) (VD)

En las hipótesis causales, hay variable independiente que genera efectos en la dependiente.
Debiesen tener, aunque sea una relación previa, para poder hacer este tipo de hipótesis. No se usa mucho, de
repente en los estudios experimentales, ya que tienen más posibilidades de que logren una causalidad. Debe
haber certeza que una variable cause a la otra, que no haya variables intervinientes. Puede ser un
experimento puro, porque hay mayor certeza.
• Vamos a tratar siempre hipótesis correlaciónales, ya que las podemos tratar estadísticamente
• Dentro del mundo correlacional:
o Estudio donde tengo 2 grupos seleccionados en una muestra en donde pretendo comparar
algo

68
Pasos básicos en la formulación de hipótesis científicas
1. Claridad en la pregunta básica a responder (objeto de estudio)
2. En base a esa pregunta, formulación de hipótesis (teniendo en cuenta la estadística)
3. Probar esa hipótesis a través de la replicación experimental
4. Validación estadística

Tipos de Hipótesis
• Hipótesis Nula (Ho): plantea una igualdad, no hay relación, ni diferencia entre variables. Busco
rechazarla. Si no la logro rechazar, queda como indeterminado, debo replantear todo.
o La Hipótesis nula es la nuestra siempre, por el principio de falsacionismo.
o Mi punto de partida
o Lo opuesto a lo que estoy probando
o Es aquello que yo voy a suponer siempre
o Si aceptas tu hipótesis nula es porque no tienes pruebas estadísticas para demostrar lo
contrario
o Es un supuesto arbitrario
o Tengo que negar un principio o una hipótesis que supongo de entrada (punto de partida)
o Significa que toda la muestra, población, es igual, no existe diferencia, voy a partir de esa base.
Lo que tengo que alcanzar es la negación de mi hipótesis nula
o La única manera de afirmar una hipótesis alternativa es negando la nula.
▪ La máquina de helados hace lo que dice que hace. Si dice que hace 7 helados con cierta
cantidad de ingredientes, todas las máquinas debiesen cumplir con esto, por lo que
obviamente mundialmente en promedio todos hacen 7 helados
o No hay diferencias entre el promedio de helados muestrales y poblacionales → por eso se
llama nula, hay nula diferencia.
o Si no puedo negarla, me declaro indeterminado.
• Hipótesis Alternativa (H1): existe relación o diferencia entre variables, es la afirmación que estoy
probando. Al poder rechazar la nula, pruebo que puedo aceptar la alternativa.
o Es la hipótesis que tu planteas.

Todo el trabajo estadístico tiene un objetivo, que es rechazar la hipótesis nula, por lo tanto, validas lo
contrario, es decir, aceptas la hipótesis alternativa
● Si rechazo que dos cosas no son iguales, aceptas la hipótesis alternativa.
● Cada hipótesis tiene su hipótesis nula
● Para probar que hay diferencia en tu hipótesis es negar tu hipótesis nula para validar y aceptar la
alternativa

69
Pruebas de Hipótesis
• Se trabaja con el falsacionismo
• No se puede probar que una hipótesis sea o verdadera o falsa, solo se aporta evidencia en su favor o
en su contra.
• Según Hernández y otros (1998), cuantas más investigaciones apoyen una hipótesis, más credibilidad
tendrá y será válida para el contexto (lugar, tiempo, sujetos u objetos)
• Se acepta o rechaza la hipótesis, no es verdadera ni falsa
• Hipótesis nula → no hay relación ni diferencia entre las variables
• Hipótesis alternativa → si existe relación o diferencia
• Todo el trabajo estadístico tiene un objetivo, que es rechazar la hipótesis nula , por lo tanto validas lo
contrario, es decir, aceptas la hipótesis alternativa
• Error de tipo 1
o Se rechaza la hipótesis nula cuando es en realidad verdadera
o Es decir, no es nula pero se piensa o toma como nula
o Generalmente indica un falto positivo (no es tan grave, por ejemplo: test de embarazo).
• Error de tipo 2
o Probabilidad de aceptar la hipótesis nula cuando ésta es en realidad es falsa y usted no la
rechaza.
o Se relaciona con la potencia de la prueba (1- ß) para rechazar hipótesis nulas cuando éstas
son falsas (ß indica el área de al medio de la curva normal – por lo que el error afecta a quienes
SI son tomados en cuenta, no a los de las esquinas)
• Los riesgos de estos dos errores están inversamente relacionados y se determinan según el nivel de
significancia y la potencia de la prueba.
o Si aumenta la probabilidad de un error sobre el otro, hace que el otro sea menos factible.

Contraste de la Hipótesis
• Planteamiento de una hipótesis sustantiva (explicativa)
• Planteamiento de una hipótesis estadística, la cual puede ser una hipótesis nula o una alternativa
o La hipótesis nula dice que, si uno tiene dos grupos, ambos son iguales mientras que la
alternativa indica que si hay diferencia – a priori uno debe asumir que no hay diferencia y a
través de la estadística uno comprueba ésta
o Hipótesis nula (H0) → 𝜇1 = 𝜇2 (el promedio de 1 es igual al promedio de 2)
o Hipótesis alternativa (H1) → 𝜇1 ≠ 𝜇2 (la hipótesis alternativa no debería ser aceptada sin
una evidencia a favor)
o Rechazar la hipótesis nula tiene consecuencias más graves que rechazar la alternativa
o Ejemplo: con la hipótesis nula uno asuma que cierto tratamiento no tiene efecto (quienes lo
toman y quienes no lo toman son iguales), mientras que a través de una prueba estadística
uno comprueba efectivamente que el tratamiento si tiene efecto sobre quienes lo toman,
logrando hacer una hipótesis alternativa
• Selección de un grado de probabilidad o valor alpha
o Es el porcentaje de error o confianza (error tipo I - por ejemplo, tener un 95% de confianza)
o El valor ∝ indica al 1% o el 5% de la población (son los extremos – representa el error tipo 1
ya que puede que los extremos no se comporten como el resto de la población por lo que uno

70
 no los considera) → Uno decide esto a priori (generalmente parte con la noción de que hay
un 5% de margen de error)
• Comparación entre resultados obtenidos y resultados teóricos de acuerdo a distribución elegida
(comparar hipótesis con los resultados)
• Decisión sobre la hipótesis

Ho Verdadera H0 Falsa
Correcto: El tratamiento no tiene efecto y así se Error tipo II: El tratamiento si tiene efecto,
demuestra pero no lo percibimos a través de la
Acepto
investigación (PELIGROSO – el tratamiento
Ho
causa daños, pero uno no sabe por lo que lo
administra igual)
Error tipo I: El tratamiento no tiene efecto, pero Correcto: El tratamiento tiene efecto y el
Rechazo se decide que sí tiene efecto (No es tan terrible experimento lo confirma
Ho como el error tipo II ya que uno piensa que el
(Acepto tratamiento tiene efectos, pero en realidad no
H1) hace nada, no afectará negativamente a quienes
lo consumen) → Probabilidad ∝

Variables
• Refieren a una propiedad que tiene una variación (no constante), que puede ser medida u observada.
• Cosas que varían
• Observaciones varían entre las personas
• En metodología cuantitativa, las variables se expresan numéricamente
• Representación con letras mayúsculas: X
• Para cada variable hay observaciones, a las que se les asigna un número: X1, X2, X3, X4
• Cualquier propiedad que puede variar.
• Cualquier cosa, o la mayoría puede ser susceptible al cambio.
• Las variables son relevantes para la investigación, es por la relación que se hace en investigación.
• Pueden ser de naturaleza cualitativa o cuantitativa
o No significa que pertenezcan a una investigación cuantitativa o cualitativa.
o Las cualitativas, se pueden medir, pero no se pueden hacer muchos procedimientos
estadísticos, por su naturaleza. Ej: quien tiene perros y quien tiene gatos de un total. Quien se
vino en metro, auto, bicicleta. Se puede cuantificar como, el 80% vino en auto, el 10% tiene
perro, pero solo eso. No se puede ir más allá. No te permiten hacer mezclas.
o En las cuantitativas, está la edad, por ejemplo, ahí si se puede sacar un promedio, me hace
sentido ese número, es de naturaleza cuantitativa.
• Las dependientes son las que te interesan investigar
• Hay dos clasificaciones de las variables:
o Una en relación a su función
o Otra en relación a su tipo

71
Según Función:
• Dependiente → lo que quiero medir (influida por la independiente), cambia.
o Es lo común entre dos grupos que varía
o Está determinada por la variable independiente.
o Su funcionalidad es variar en función de los niveles de la independiente.
o Es conocida también como la variable a medir: de respuesta o de resultado.
o Es aquel aspecto de comportamiento sobre el que esperamos observar el efecto de la
variación sistemática de la variable independiente.
o Variables dependientes cuantitativas:
▪ Continuas (ejemplo: estatura – puede ser menos o mayor): son numéricas y hay un
orden
➢ Refiere a la variable que admite valores infinitos en el contexto de una escala.
Estos pueden tener un orden determinado. Nos permiten determinar la
magnitud de las diferencias entre distintos puntos.
➢ Siempre vamos a decir que la variable dependiente es continua numérica
➢ Forma que toma variable dependiente
➢ Se debe saber en números que grupo es más alto que otro
▪ Discretas (ejemplo: número de hijos que uno tiene)
➢ El cero si representa la ausencia del atributo
➢ Plata en mi cuenta corriente
➢ Tener 0 años, no se pueden tener 10 años
➢ Aquí no pueden haber numero negativos, ya que el cero es la ausencia
o Variables cualitativas:
▪ Ordinales (alto, medio, bajo – muy a favor, a favor, en contra): grado de dolor, nivel
de educación; variable nominal con orden
➢ Refiere a la variable donde la característica de interés es graduable. Los datos
en esta variable pueden recibir cierto orden subjetivo, aun cuando no se
especifique claramente la magnitud de la diferencia (poco - mucho)
➢ Son aquellas variables que también son adjetivos calificativos pero al leerla
infieres un ordenes
➢ La particularidad de una escala ordinal es que no puedo determinar la
distancia entre ellas
➢ Hay un orden que no es cuantificable
➢ Forma que toma variable independiente, ya que necesita niveles
➢ El cero no representa la ausencia del atributo
o Ej: año cero en adelante
o Temperatura cero
➢ El cero es arbitrario, no representa la ausencia, por lo que si pueden haber
números negativos.

72
 ▪ Nominales (tipo de apego, grupo sanguíneo): es aquella del tipo clasificador. No
supone orden.
➢ Refiere a la variable donde se posee o no la característica de interés. Tal
característica es definida por un nombre, sin un orden ni preferencia
particular.
➢ Es aquella variable que tiene características que no se pueden ordenar
➢ Nombres, países, género, colegio, ciudades, animales
➢ Forma que toma la variable independiente, ya que necesita niveles
▪ Dicotómicas (vivo o muerto, bien o mal)

Las variables están ordenadas de mayor a menor “manejo estadístico” (las continuas tienen mayor manejo
estadísticos, las dicotómicas tienen menor manejo estadístico)

Hay variables que son categóricas (presencia o ausencia), es simplemente caer en una categoría
(cualitativas), numéricas (discretas o continuas), estas no pueden tener números intermedios, son solo
números enteros (cuantitativas)

Las variables cuantitativas se dan en intervalos mientras que las cualitativas son categoriales

• Independiente → lo que manipulo. Trata de explicar la dependiente.

o Son los dos grupos, puede tener infinitos niveles.
o Se refiere a lo que yo quiero contrastar, comparar, sobre lo cual yo quiero proponer mi
hipótesis alternativa. No varía. Determina la dependiente.
o El investigador introduce deliberadamente ciertas condiciones de tratamiento para observar
cómo afecta a la variable dependiente.
o Variable que Controlo → lo que quiero mantener constante para aislar su influencia en mi
variable dependiente.
• Variables Extrañas→ variables adicionales que se presentan y a veces desordenan los resultados
(para lograr ver de manera clara los resultados, uno intenta sacar o limitar las variables extrañas).
o Son controladas por el diseño de investigación, no forman parte de la hipótesis.
o Afectan la variable dependiente, lo ideal es evitar estas variables.

73
 Tipo Acción Resultado
Variable independiente Manipulación Causa
Variable dependiente Medición Efecto
Variable extraña Control Confusión

3. Desarrollo de Diseño de Investigación

Cómo yo me enfrente a las variables, determinará el diseño de investigación

Fases Diseño Cuantitativo Diseño de investigación

1. Planteamiento del problema de investigación 4. Tipo de estudio / enfoque
2. Elaboración de hipótesis y definición de variables 5. Alcance y profundidad
3. Desarrollo del diseño de investigación 6. Participantes (muestra y muestreo)
Cómo yo me enfrente a las variables, determinará el 7. Instrumentos /Técnicas de producción de
diseño de investigación datos
4. Definición y selección de la muestra 8. Estrategias de análisis
Sesgo de muestra: cuando el investigador no selecciona 9. Procedimiento
aleatoriamente. Para generalizar un resultado, debe 10. Criterios de rigor
existir una muestra aleatoria Los criterios de rigor en cuantitativa esta la
5. Recolección de datos: implica reunir datos confiabilidad y la validez. La confiabilidad tiene
provenientes del objeto de investigación de una que ver con que el instrumento sea constante en
manera confiable, valida y objetiva (recoger datos) su medición (alfa de cronbach) y la validez es que
6. Análisis de los datos mida lo que realmente se tiene que medir.
7. Reporte de resultados 11. Resguardos éticos
8. Según el tipo de las variables o su naturaleza se Está la beneficencia, no maleficencia, justicia,
relacionarán de una forma determinada autonomía.
12. Planificación temporal

Tipos de Investigación
• Corresponde al tipo de estudio/enfoque/diseño
• El diseño de investigación es donde se da el muestreo y selecciono la muestra.
• Se da el método de selección de datos.
• El tipo de análisis, corresponde a la forma en como mido la variable.
• Qué tan aplicables son mis resultados a la población→ validez externa y validez interna.

Hay dos tipos de estudio:

Experimental → Se manipulan deliberantemente una o más variables independientes para analizar las
consecuencias que la manipulación tiene sobre una o más variables dependientes en una situación
controlada por el investigador. Para analizar los datos de este tipo de diseño, se necesita un análisis
cuantitativo con un pensamiento deductivo, ya que, se parte por una hipótesis, algo abstracto.
• Pre-experimento: no hay grupo de control, solamente hay una medición pre y post. Hay científicos
que no consideron esto un experimento, a pesar de que haya una manipulación de la vi.

74
 • Cuasi-experimento: Se diferencia en que tiene grupo de control, pero estos grupos no son asignados
aleatoriamente, sino que están definidos predefinidamente. Esto sirve, pero tiene la limitación de que
existe un menor control de las variables extraña, lo que me da una menor certeza de que los cambios
se dan por la variable independiente. También se realiza una medición pre y post.
Hay manipulación de la variable independiente y hay grupo de control, pero no son equivalentes (son
predefinidos)
• Experimento puro: Es el que tiene mayor control de la situación experimental. Esto quiere decir que
se puede tener mayor control de las variables extrañas. En este experimento se tiene un grupo
experimental, que es el grupo que recibe la influencia de la variable independiente, y un grupo de
control, en el que no se modifica la variable independiente. Para que estos dos grupos sean realmente
comparables tengo que hacer que sean lo mas parecidos posibles, y es allí en donde entran las
probabilidades, ya que mientras estén asignados aleatoriamente, mas parecidos serán (en cuanto a
quienes defino como grupo de control y grupo experimental). En resumen:
o (1) en esta investigación se debe tener grupo control y experimental
o (2) debe haber una equivalencia entre ambos, esto se logra por medio de la aleatoriedad de
la formación de lo grupos
o (3) se debe realizar una medición pre y post.

No Experimental → no hay manipulación de variables independientes. En las ciencias sociales, no se tienen

las posibilidades, por distintos elementos, hacer diseños experimentales, por lo que son menos comunes.
Dentro de este tipo de diseño, nos podemos encontrar con lo cualitativo, cuantitativo y diseños mixtos.
En lo cuantitativo, me acerco con un supuesto previo de lo que quiero medir.
• Descriptivo: describo lo que hay y se reporte.
• Analítico: explorar relaciones entre variables.

También se debe definir, si será transversal, o longitudinal

Siempre existen variables, solo que en lo experimental se manipulan y en lo no experimental se observan.

Alcances de la Investigación
Según su profundidad:
• Exploratorio → examina un tema poco estudiado.
o No hay formulación de hipótesis.
• Descriptivo → especificar las características del fenómeno.
o La hipótesis se pronostica.
▪ “Los alumnos de derecho evalúan positivamente su relación de pareja”.
▪ “El 20% de los alumnos establecen relaciones de pareja”.
▪ el 70% de los estudiantes, asistirá a los talleres de apoyo
• Correlacional → asocia distintas variables.
o Identifican y miden relación entre dos o más variables
o Propósito: saber como se puede comportar una variable conociendo el comportamiento de
las otras variables relacionadas.
o Correlación positiva/ correlación negativa

75
 o Valor explicativo parcial: múltiples variables intervinientes
o Correlación: procedimiento estadístico.
o Solo aplica a estudios cuantitativos
o Hipótesis correlacional.
▪ “Los hombres valoran más los aspectos físicos que las mujeres”.
▪ “Los alumnos del 4ºA son más estudiosos que los del 4ºB”.
▪ Diferencia de grupos: los estudiantes con mejor rendimiento asisten a los talleres, en
comparación a los que no asistieron.
• Explicativo o causal → establece causas de fenómenos y eventos.
o Explicar por qué ocurre un fenómeno y en que condiciones se da o por qué dos o más
variables están relacionadas.
o Más estructurados
o Diseños experimentales
o Hipótesis causal.
▪ Lo explicativo no tiene cabida en lo estadístico, ya que a lo máximo que se puede llegar
es a lo correlación
▪ La explicación del fenómeno no es rastreable estadísticamente
▪ Ej: “la aprehensión materna genera aumento de la psicopatología infantil”
(VI) (VD)

o Si un estudio es relacional o explicativo, es decriptivo a la vez. Lo exploratorio, depende de la

información que se tenga sobre el tema.
• Comprensivo (cualitativo)
• Transversales
o Conocer la realidad en un momento puntual
o Un solo momento de recolección de datos.
o Pueden ser cuali o cuanti
o Retrospectivo/ Prospectiva
• Longitudinales
o Conocer evolución de un proceso
o Recoger datos en varios momentos
o Puede ser cuantitativos o cualitativos
o Ventajas y desventajas

Depende de:
• El estado del conocimiento que hay sobre nuestro tema de investigación
• El enfoque que se le desee dar al estudio
• Aspectos logísticos referentes al estudio

76
 4. Definición y Selección de Muestra
Enfoque cuantitativo → El enfoque cuantitativo permite describir la población con un lenguaje universal
(números) pero igual tiene sus limitaciones – no permite indagar en la subjetividad de las personas

Muestra
• ¿Quiénes van a participar de mi investigación?
• Es el subgrupo de la población, donde todos los elementos deben ser representativos de ésta.
• Depende de mi pregunta de investigación
• Coherencia con campo de estudio.
• Tiene gran relevancia dentro del estudio
• La idea de la muestra es que esta pueda ser extrapolable a la población.
• Importancia de establecer criterios de participación
• Existen criterios de selección
o De inclusión
o De exclusión
• Todas las herramientas intentarán alcanzar la generalización
• La inferencia conlleva un grado de error
• La primera consideración es la selección de la muestra→ La cual en un principio será aleatoria
(cuando todos los individuos sobre los cuales tú quieres generalizar tu resultado están comprendidos
en la muestra)
• La muestra es un reflejo de la población → promedio poblacional y promedio muestral es IGUAL.

Muestreo → ¿Cómo accederé a mi muestra? es importante para saber si los datos son generalizables a la
población.
• Estrategias/criterios de selección de la muestra
• Debe ser:
o Azaroso
o Muestrear y medir hasta estabilizar el error
▪ Estabilizar el error: medir las variables frecuentes
o Considerar límites físicos, económicos
o Considerar fuentes de sesgo (¿de dónde pueve venir el problema?

Selección de la muestra: Al elegir un individuo de una población de estudio para formar muestras podemos
encontrarnos en las siguientes situaciones

Hay dos tipos de muestreo:

Probabilístico
• Se conoce la probabilidad de que un individuo sea elegido para la muestra (Minimiza el sesgo)
• Todos los sujetos de la población tienen la misma posibilidad de ser escogidos.
• Esto se obtiene definiendo características de la población, el tamaño de la muestra y realizando una
selección aleatoria de las unidades de análisis.
• Es aleatoria

77
• Los tipos de muestreo probabilísticos están presentados de mayor probabilidad de aletoriedad a
menor probabilidad.
o Aleatorio Simple: todos tienen igual probabilidad de ser escogidos. Es la ideal. Requiere la
identificación de todos los elementos pertenecientes a la población en estudio.
Lo único que es probabilístico 100% es el aleatorio simple.
o Sistemático: selección tras un proceso mecánico. No hay la misma probabilidad de cada
sujeto, la probabilidad gira en torno a la de ser “escogido”.
➢ Ej: tengo una muestra de 1.000 personas, defino un límite o separación. En donde no
puedo capturar a todos y selecciono a 100, dentro de esos 100 para ir escogiendo, voy
avanzando de 25 en 25, por cada 25 escojo a un individuo y así sucesivamente, hasta
llegar a los 1000
➢ Al determinar una regla de muestreo, no es probabilístico→ se intenta alcanzar la
mayor aleatoriedad en los resultados.
➢ Investigador escoge aleatoriamente la primera pieza o sujeto de la población a
seleccionar. A continuación, el investigador seleccionará a cada enésimo sujeto de la
lista.
➢ Enésimo: qué ocupa el lugar de orden n, indeterminado en una serie
➢ Resultados representativos de la población a menos que se repitan ciertas
características de la población por cada enésimo individuo (poco probable).
o Estratificado: grupos que ya existen (edad, sexo). Intenciono la búsqueda de la muestra para
lograr algo más equilibrado y aleatorio. Se crea un universo ficticio para lograr la muestra.
Deseo del investigador de analizar datos que estén estabilizados.
➢ La diferencia con el sistemático es que, a priori hay estratos, es decir mujeres,
hombres, etc y desde ahí saco mi muestra “aleatoria”, en cambio en lo sistematico hay
un todo sin separaciones.
➢ Ej: si voy a la udd, tomo a 10 de nivel socio económico alto, 10 nivel socio económico
bajo, 10 hombres, 10 mujeres
➢ Cuando la población en estudio está compuesta por distintos grupos y se desea que
cada uno esté proporcionalmente representado
➢ La población se divide en subpoblaciones excluyentes entre sí
➢ Subpoblaciones: estratos
o Por Conglomerado: población dispersa en distintas zonas geográficas. Ya no me preocupa el
sexo, edad, etc; es lo mismo que lo estratificado pero, a nivel macro son distintas zonas.
➢ Cuando la población está dividida naturalmente, en grupos que contienen toda la
variabilidad de la población, pueden seleccionarse sólo algunos de estos grupos
(conglomerados) para realizar el estudio.
➢ Ventaja: simplificar recogida de información.
➢ Puede trabajarse con varios conglomerados
➢ Puede trabajarse con todos o con algunos sujetos del conglomerado (selección
aleatoria)
➢ Cada vez que voy bajando en lo probabilístico, hay menos representatividad
➢ Si establezco sesgos, estancos es para alcanzar la mayor probabilidad de aleatoriedad.

78
No Probabilístico
• No se conoce la probabilidad
• Son muestreos que seguramente esconden sesgos
• En principio no se pueden extrapolar los resultados a la población
• Elección de la muestra no depende de la probabilidad si no de causas relacionadas con el
investigador.
• El procedimiento no depende de la probabilidad, si no de las decisiones del investigador.
o No sabemos si el procedimiento va a funcionar→ no se saben las características de la
población.
• En general pueden estar más sesgadas ya que depende de decisiones subjetivas
o Casual: entrevistas casuales simples. No sabemos la probabilidad que tenemos al formar la
muestra.
➢ La diferencia del casual con el aleatorio simple, es que, en el último tú sabes la
probabilidad→ hay conocimientos de la población.
o Intencional: selección tras criterios de expertos. Es lo más NO probabilístico, se escoge
completamente, sin embargo, no hay certeza de que esté en lo correcto.
➢ Intencional/criterio→ investigador selecciona a los sujetos de acuerdo a criterios o
características que considera relevante para el estudio.
➢ Uso combinado de distintas estrategias.
o Por Cuotas: parecido al estratificado; se utilizan grupos menos rigurosamente. Crea
categorías sin conocimiento de la población.
➢ Muestra tiene la misma proporción de individuos que la población respecto a una
característica seleccionada y conocida.
➢ La selección de los sujetos dentro de esa cuota no es aleatoria.
o Bola de Nieve: a través de datos.

Razones para la elección de un tipo

• Objetivo del estudio • Interés personal
• Tiempo • Orden superior (adecuación de teoría con
• Dinero lo que realmente se ve en la realidad)
• Número de individuos o muestra • Fracasos previos
• Tipo de institución • Limitaciones extrínsecas

Nivel de significancia: P (importante)

• Relacionado con el ∝ (∝ 𝑖𝑛𝑑𝑖𝑐𝑎 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑞𝑢𝑒 𝑛𝑜 𝑠𝑜𝑛 𝑝𝑎𝑟𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛)
• P es la probabilidad que tendría una región crítica (∝) que comenzase exactamente en el valor del
estadístico obtenido de la muestra
• Es la probabilidad de tener una muestra que se diferencia más aún que la de Ho (Indica que hay una
H1)
• Es la probabilidad de que por puro azar tengamos una muestra “más extraña” que la obtenida
• P es conocido después de realizar el experimento aleatorio
• Se mide si es que el p está adentro o afuera del área de rechazo para ver si se acepta o no la hipótesis
nula

79
 • No es significativo cuando p > ∝ (cuando p>0.05 o p>0.01) → En este caso se acepta la hipótesis nula
• Hay diferencia significativa cuando p < ∝ → En este caso se rechaza la hipótesis nula y se acepta la
hipótesis alternativa (indicando que hay dos grupos o poblaciones distintas)

Muestreo Descripción Tipo de muestra Características

Todas las combinaciones Aleatorio Simple Todas las muestras y todos los
tienen igual probabilidad de elementos tienen la misma
darse en la muestra posibilidad de ser seleccionados
• Asistentes a un congreso,
usuarios de un servicio.
Necesariamente no todas Sistemática La selección se realiza por un
las combinaciones tienen procedimiento mecánico
igual probabilidad de darse • K=N/n
en la muestra Estratificada La población puede ser dividida en
(proporcional y no categorías, estratos o grupos.
Probabilístico proporcional) • Edad, NSE, seco, profesión,
estado civil, lugar de
residencia.

Conglomerados Similar a muestras estratificadas,

pero se da en casos donde la
población está dispersa a lo largo de
áreas geográficas extensas.
• Población de escuelas,
hospitales, zonas
geográficas.
No se conocen las Casual Se entrevista a sujetos en forma
probabilidades de cada casual
individuo o elemento de ser Cuotas Son una especie de muestra
No incluidos en la muestra estratificada.
probabilístico Intencional Son el producto de casos según el
criterio del experto; por medio de
esto se seleccionan algunos casos
que resultan ser “típicos”.

80
 5. Recolección de Datos
Implica reunión datos provenientes del objeto de investigación de una manera confiable, válida y objetiva
(recoger datos).

Producción de datos: práctica reflexiva entre dos sujetos que crean un mundo, permitiendo producción de
verdades participativas (tiene que ver con aspecto más “cualitativo”).

Cada técnica contribuye a la generación de un tipo de dato o verdad participativa diferente (dependiendo de
que técnica uno usa, que relación tendrá con los participantes y cómo esto influirá en los resultados, también
dependiendo de la técnica se puede ver cuántos datos se van a recolectar y cómo serán esos datos)

Dato: unidad mínima de información definida como relevante en base a los objetivos de la investigación – el
dato tiene sentido y significado solo en el marco del estudio realizado (la importancia del dato siempre es en
respecto a la pregunta de investigación – uno siempre va a tener muchos datos pero el dato crucial es el que
responde la pregunta de investigación) → ¿qué dato me sirve para responder mi pregunta de investigación?
¿cómo se registra?

Principio de parsimonia: optimizar recursos, la solución más simple es la que requiere menos recursos (los
datos que necesito son los que responden a mi pregunta, utilizando los menos recursos posibles).
• Siempre tener en cuenta el principio de parsimonia (priorizar las explicaciones más sencillas en todas
las situaciones)
o No todos los métodos son apropiados para toda pregunta de investigación
o Puntos de anclaje:
▪ Problema y pregunta de investigación
▪ Participantes del estudio (cuántos, quiénes)
▪ Investigadores

Estrategia de recolección
• “Pilotear” la estrategia de producción de datos (probar en un grupo acotado para saber si realmente
está midiendo lo que se quiere medir – para corroborar cómo está funcionando el instrumento) →
¿qué tipo de datos estamos produciendo? ¿contribuyen a contestar nuestra pregunta de
investigación?
• También el registro estará puesto al servicio de la técnica de recolección
• Los sistemas de registro se pueden considerar según:
o Inmediatez/mediatez (se responde en seguida/ sujeto interviene en la respuesta)
o Complejidad de la información registrara (verbal/no verbal)
o Grados de objetivación/subjetivación de los datos recogido (siempre hay un grado de
subjetividad)

81
Técnicas de Recolección
Recolección de datos implica reunir datos provenientes del objeto de investigación de una manera confiable,
válida y objetiva.
• Las técnicas de recolección varían de acuerdo con 4 dimensiones (que tienen que ser controladas
antes de realizar la prueba, no después)
o Estructura
o Confiabilidad
o Injerencia del investigador: tiene que ver con cómo el investigador utiliza el instrumento-
¿dice que va a realizar un test de depresión o simplemente pide al sujeto que responda ciertas
preguntas?
o Objetividad
La presencia de estas dimensiones se reduce al mínimo en los estudios cualitativos, mientras que adquieren
suma importancia en los trabajos cuantitativos
• El registro: estará puesto al servicio de las técnicas de recolección.
o Los sistemas de registro se pueden considerar según:
▪ Inmediatez/Mediatez
▪ Complejidad de la información registrada (verbal/no verbal).
▪ Grado de objetivación/subjetivación de los datos

De qué dependen técnicas a usar: Tipos de datos a recoger:

• Tipo de información a obtener • Cuantitativos: mediciones objetivas
• Tipo de estudio • Cualitativos: información subjetiva

Instrumento de medición adecuado:

• Registra datos observables/medibles
• Registra información que representan verdaderamente los conceptos o variables que se quieren
medir

Mediciones de Variables:
• Categóricas
• Continuas

Instrumentos de Recolección:
• Escalas Adaptadas, validadas y estandarizadas
• Cuestionarios
• Observación

Escalas adaptadas, validadas y estandarizadas

• Set de preguntas que sirven para medir algo en específico (tienen que ver con un tema en específico
– cada escala es un pequeño cuestionario)
• Adaptación de instrumentos: preparación de un instrumento para ser aplicado a una realidad
diferente de la de su producción original

82
 • No debe confundirse estas escalas con las escalas de Likert o los diferenciales semánticos, ya que
éstos se refieren a una forma de construcción de los ítems (la escala Likert es una escala de puntaje
pero pueden haber otros tipos de escala)
• Siempre incluir una introducción y agradecimiento final y dar ejemplos de la forma en que se espera
que los sujetos respondan - generalmente se parte con los temas más generales y de a poco se mueve
con lo más particular (para evitar los sesgos)
• La estructura interna debe seguir una lógica comprensible para el investigador y para quién lo
contesta (no siempre es la misma) – depende de quién lo va a contestar (niños, adultos, alguien que
no sabe leer, etc.)
• Escala Likert
o Conjunto de ítems presentados como afirmaciones o juicios ante los cuales se pide la reacción
de los sujetos.
o Se pide al sujeto que externe su reacción eligiendo entre uno de los cinco puntos de la escala
o A cada punto se le asigna un valor. El sujeto obtiene una puntuación respecto a la afirmación
y al final se obtiene su puntuación final.
o Solo puede marcarse una opción
o Las afirmaciones pueden ser favorables o desfavorables al objeto de actitud y esto es
necesario considerarlo al momento de puntuar los datos
• Escala de Diferencial Semántico
o Consiste en una serie de calificativos extremos que califican el objeto de actitud y entre ellos
existe opciones intermedias
o El sujeto debe calificar el objeto de actitud en algún lugar del continuo
o En general hay 7 opciones de respuesta dentro del continuo

Cuestionarios
• Todo cuestionario está compuesto de ítems (una pregunta específica respecto del fenómeno
estudiado)
• Error de doble pregunta: cada ítem debe apuntar sólo a una pregunta lo correcto es separarlas en
preguntas distintas)
• Error de negación: Los ítems deben estar redactados en forma positiva, ya que de lo contrario genera
una confusión lógica (ejemplo: ¿no cree que...?)
• Guiar o sesgas la respuesta: la redacción del ítem no debe obligar o favorecer una respuesta – debe
cuidarse la estructura de las preguntas para evitar presiones sobre el sujeto
• Deseabilidad social: debe evitarse la redacción de preguntas cuya respuesta está guiada por la
sociedad
• Incongruencia: las alternativas de respuesta deben corresponder al tipo de pregunta
• Brevedad: los ítems deben ser breves, las redacciones largas hacen difícil entender la pregunta
• Lenguaje confuso: el lenguaje del ítem debe adecuarse a quien lo contesta, en un lenguaje directo y
conciso
• Filtro: ítems diseñados para segmentar a los sujetos que responden según sus características y guiar
las preguntas que deben contestar
• De introducción: ítems que preparan el terreno para preguntas más complejas que se hacen
posteriormente

83
Observación
• Pasos a seguir para decidir a partir de la observación que instrumento usar
o Acuerdo y confiabilidad (inter jueces – pasarle la información a otros para asegurarse que
todo esté como se debe)
o Validez del contenido: validación semántica (verificar que el significado de las preguntas se
entiendan)
o Validez del criterio
o Validez de constructo (se puede apoyar en la estadística)

Métodos e instrumentos de recolección de datos

Creación de ítems
• Todo cuestionario está compuesto de ítems
• Un ítem es una pregunta específica respecto del fenómeno estudiado
• Filtro Ítems diseñados para segmentar a los sujetos que responden según sus
características y guiar las preguntas que deben contestar: ¿Vio el discurso presidencial?
Si_ No_ Si su respuesta es No, pase a la pregunta 10
• De Introducción: Ítems que preparan el terreno para preguntas más complejas que se
hacen posteriormente.
• Algunos errores típicos al construir un ítem son los siguientes:
o Doble pregunta: cada ítem debe apuntar sólo a una pregunta
o Negación: los ítems deben estar redactados en forma positiva, ya que de lo
contrario genera una confusión lógica
Cuestionarios

o Guiar (sesgar la respuesta: el ítem no debe obligar o favorecer una respuesta:

o Deseabilidad Social: debe evitarse la redacción de preguntas cuya respuesta
está guiada por la sociedad
o Incongruencia: las alternativas de respuesta deben corresponder al tipo de
pregunta
o Brevedad: los ítems deben ser breves, las redacciones largar hacen difícil de
entender la pregunta
o Lenguaje confuso: el lenguaje del ítem debe adecuarse a quien lo contesta, en
un lenguaje directo y conciso
• Estructura del Cuestionario
o Siempre incluir una introducción
o Deben darse ejemplos de la forma en que se espera que los sujetos respondan
o La estructura interna debe seguir una lógica comprensible para el investigador
y para quién lo contesta (no siempre es la misma)
o Incluir un agradecimiento final
• Los ítems se agrupan en escalas cuando varios de ellos apuntan a un mismo tipo de
contenido.
Escalas

• No debe confundirse estas escalas con las escalas de Likert o los diferenciales
semánticos, ya que éstos se refieren a una forma de construcción de los ítems
• Cada escala es un pequeño cuestionario

84
Validación de Instrumentos
• Todos los instrumentos están bajo dos conceptos: validez y confiabilidad
• Acuerdo y/o Confiabilidad

Validez y Confiabilidad
• Validez → que un instrumento mida lo que debe medir. Se refiere al grado que un instrumento
realmente mide la variable que pretende medir.
o Es el instrumento que yo ocupo para medir→ la validación de un instrumento requiere un
tamaño de muestra de entre 5 y 10 sujetos por ítem.
o Validez externa: es el dato real en el mundo, donde todas las variables intervienen
o Validez interna: Ocurre el fenómeno dentro de la muestra (se pueden controlar variables)
o Los experimentos en laboratorios tienen mucha validez interna pero poca validez externa,
por el hecho de que es difícil que algo de un laboratorio ocurra lo mismo al exterior.
• Confiabilidad → que los resultados sean consistentes repetidamente. Nivel de exactitud y
consistencia en los resultados obtenidos al aplicar el instrumento por segunda vez en condiciones
similares a las de la primera medición. Constancia en los resultados de medición.
o Un instrumento que tenga confiabilidad, si uno repite en el mismo sujeto, mismo contexto, y
no hay ni una variable interviniente, debiese encontrar lo mismo.
o La confiabilidad debe ser siempre alta→ debe ser mayor a 0,7. El coeficiente de
confiabilidad es de 0-1.
o Las relaciones que yo establezco también deben ser confiables
o Hay un valor que te dice con cuanta confiabilidad tu puedes replicar tu estudio

Tipos de Validación de Instrumentos

• Validez de Contenido
o Qué tan adecuados son los ítems del instrumento para muestrear el universo de conductas
según aquello que se quiere medir
o Instrumento debe contener representados todas las áreas del dominio de contenido de la
variable a medir.
o Relevancia de operacionalizar bien variables y las dimensiones del constructo.

• Validez de Criterio
o Validez del instrumento comparándolo con un criterio externo.
o Implica comparar la prueba con un estándar conocido, una medida externa. El criterio existe
con anterioridad al instrumento y es aceptado como índice adecuado de la característica que el
nuevo instrumento pretende medir
o Si el criterio se fija en el presente: Validez concurrente.
o Criterio se fija en futuro: Validez Predictiva

• Validez de Constructo
o Grado en que una medición se relaciona con el concepto que espera estar midiendo
o La validez de constructo se relaciona con la teoría. Debe existir un marco teórico a través del
cual poder validar el constructo

85
Factores que afectan a la validez y confiabilidad
• La improvisación en la medición y selección del instrumento.
• Utilización de instrumentos extranjeros sin previa adaptación y estandarización a nuestro contexto:
cultura y tiempo.
• Traducir inadecuado a las personas que se les aplica
• Instrumento inadecuado a las personas que se les aplica.
• Condiciones en las que se administra el instrumento de medición.
• Aspectos mecánicos del instrumento.

Estandarización de Instrumentos
• Para que sea válida la comparación de resultados recogidos sobre diferentes grupos, o sobre el
mismo grupo en períodos diferentes, es necesario uniformizar (estandarizar) las técnicas de
administración de los instrumentos. Una pequeña variación en las normas de realización de una
prueba puede alterar el resultado y su valoración posterior.
• Pruebas o inventarios estandarizados
o Prueba que ha sido normalizada; es decir que ésta ha sido probada en una población
con distribución normal para la característica a estudia
o Importante considerar si el contexto en que se crearon es muy distinto al del grupo que se
quiere aplicar
o Es importante seleccionar pruebas adaptadas anteriormente al contexto del estudio
o El instrumento debe demostrar que es válido y confiable para el contexto al cual lo usaremos

6. Análisis de Datos
Introducción a la Estadística
Diccionario Estadístico
• Estadística: análisis de información numérica
• Variabilidad: cuando hay valor absoluto no hay estadística.
• La estadística se utiliza para controlar la variabilidad y se utiliza para hacer una inferencia a través
de una muestra
• La estadística ayuda a seleccionar una población (muestra) y desde esta, se va a generar un dato que
va a inferir el comportamiento la población general
• Existe una probabilidad baja de que esa inferencia falle
• La estadística dice cuál es el margen de error que se va tener al experimentar y si el fenómeno se
puede aplicar al resto de la población
• Posición: dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos
(cuantiles, percentiles, cuartiles, déciles)
• Centralización: indican valores con respecto a los que los datos parecen agruparse. (Media, mediana
y moda)
• Dispersión: indican la mayor o menor concentración de los datos con respecto a las medidas de
centralización. (Desviación típica, coeficiente de variación, rango, varianza)
• Formal: asimetría, apuntamiento o curtosis

86
Errores en los estudios
• Error de diseño: Se operacionalizó mal lo que se quiere medir, es una buena idea, pero mal acabada.
Mala realización de la pregunta de investigación
• Error de implementación: Se sabe cuál era la pregunta de investigación y que se quiere medir, sin
embargo, el instrumento no es el adecuado

Minimización de errores de diseño

• Una de las cosas que se puede controlar, es que no exista un sesgo en las variables que se van a utilizar
(tener alguna vinculación con la variable ejemplo: dardo en clases)
• Cuando uno genera un grupo (muestra), esta debe ser elegida al azar para que resulte la investigación

Diseño de experimentos y pruebas estadísticas de hipótesis

• Grupo control v/s grupo experimental
• Hipótesis sustancial → explico
• Hipótesis Estadística (nula y alternativa)

Tópicos generales para desarrollar un buen experimento

• Comparación de medias de grupos (solo para 2 grupos)
• Se necesita:
o Variable independiente: factores de agrupación (variable categórica)
o Variable dependiente: lo que se mide (variable continua)
Ejemplo
• Se quiere comparar que el efecto de F+ afecta el peso de los individuos de una población de ranas
• Hay dos grupos: control v/s experimental
• Se aplica un t test
• Se compara la probabilidad obtenida con el alpha

Análisis de información numérica: Variabilidad

• Siempre hay datos que son más típicos (que se repiten más) y hay datos que son más raros (que se
repiten menos) generalmente, los valores intermedios tienen más frecuencia (se repiten más)

Inferencia estadística y prueba de hipótesis

• ¿Se puede inferir que los resultados se darán en el resto de la población?
• De la población uno saca una parte (muestreo) y luego ve si los resultados se pueden inferir, es decir,
si es que los resultados que arrojó la muestra representan a la población entera
• Para lograr inferencia se debería hacer una muestra al azar (es difícil que, si la muestra es sólo de
psicólogos, los resultados se aplican a la población general)
• Contraste de hipótesis → a priori formulo una hipótesis (solución a prueba).
• Sacar una muestra representativa de la población a través del muestreo y luego a través de la
inferencia lo devuelvo a la población.

87
Tipos de Análisis de Datos
Distribución normal estándar
La distribución normal estándar (Gauss) demuestra que los valores medios tienen más frecuencia que los
valores que más chicos o más grandes (la moda es el dato que más se repite, la mediana es el dato que está
en el punto de al medio y la media es el promedio) → en la distribución normal la moda y la mediana es el
punto que más frecuencia tiene
• Es una distribución de probabilidad de una variable continua numérica que describe los datos que se
agrupan en torno a un valor central (media, mediana, moda).
• Sirve para saber características de las personas.
• Cuando se tiene una distribución normal, se pueden calcular los promedios→ Una curva normal es
cuando un 95% de los datos obtenidos caen en dos desviaciones estándar en los costados, se
dispersan, se amplían en dos desviaciones estándar, es decir, cuando la mayoría de las notas (datos)
está en el centro.
• Cuando es normal el número que obtengo con la medio o promedio es representativo.
• Cuando hay una distribución anormal, no se pueden calcular los promedios.
• Puede tomar cualquier valor (desde el -00, +00)
• Hay más probabilidad para los valores cercanos a la media
• La desviación estándar es una unidad de dispersión.
• Conforme nos separamos de la media, la probabilidad va decreciendo de igual forma a derecha e
izquierda (es simétrica) → Existe mayor probabilidad de escoger datos más cercanos al promedio,
que los que se encuentran en el extremo de mi gráfico.
• La desviación estándar es un valor que depende de sus datos y demuestra la desviación en mi muestra
de datos, es el promedio de lo que varían los datos.
• Se calculará la medida de tendencia central, las cuales son 3: Media, mediana y moda, estos son
elementos estadísticos para capturar lo que presenta mayor frecuencia en una distribución.
• Datos raros: mucha distribución en los costados

El gráfico presenta valores (x) versus frecuencia (y)

• La desviación estándar es cuanto se desvían los números del promedio

88
Distribución Normal
• 1 desviación estándar = 68%
• 2 desviaciones estándar = 95%
• 3 desviaciones estándar = 99%

Propiedades o características de una distribución normal:

• Los valorees de las mediciones tienden a agruparse alrededor de un punto central→ la media
• La representación de los datos es simétrica a ambos lados de la media → Curva simétrica
• La mayoría de datos se encuentra en el centro
• La minoría de datos, se encuentra en las colas.
• El centro de la curva, es la media, la moda y mediana.
• Las desviaciones estándares quedan situadas a igual distancia unas de otras.
• La curva normal es asintónica al eje de X (nunca lo toca).
• La curva f(x) es simétrica respecto del eje Y
• Su media es 0, su varianza (en cuanto varia cada dato) es 1 y su desviación estándar es 1
• Tiene dos puntos de inflexión (el punto donde cambia la curva) en z=1 y z=-1

Utilidad:
• Caracteres morfológicos de individuos (personas, animales, plantas) de una especie, por ejemplo:
tallas, pesos, diámetros, distancias, perímetros, etc.
• Caracteres fisiológicos, por ejemplo; efecto de una misma dosis de un fármaco, o de una misma
cantidad de abono
• Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos,
puntuaciones de examen
• Caracteres psicológicos, por ejemplo: cociente intelectual, grado de adaptación a un medio
• Errores cometidos al medir ciertas magnitudes
• Valores estadísticos muéstrales como la media, varianza y moda

Ej:
1. Tengo una investigación en la que quiero estudiar dos grupos: hombres y mujeres (variables
independientes nominales) los cuales quiero comparar en el consumo de alcohol (variable
dependiente). Para llegar a esto debo calcular el promedio en grupo de mujeres y en grupo de
hombres, es decir es lo que más se repite o se encuentra con mayor frecuencia en cada grupo. Seguido
a esto, debo comparar ambos promedios de la distribución de cada grupo.
2. La desviación estándar de la estatura de los chilenos es 1.70 en cambio en Berlín es de 1.80, para ver
cuál es mi desviación dentro de un país, tengo que enfocarme en la desviación de ese mismo país

89
Teorema Central del Límite
Sea lo que sea lo que midamos, cuando se promedie sobre una muestra grande (n>30) nos va aparecer de
manera natural la distribución normal.
• Dada una variable (v.a) cualquiera, si extraemos una muestra de tamaño N, y calculamos los
promedios muéstrales, entonces:
o Los promedios tienen distribución aproximadamente normal
o La media de los promedios muéstrales es la misma que la de la variable original
o Las aproximaciones anteriores se hacen exactas cuando n tiende a infinito
• Este teorema justifica la importancia de la distribución normal (si uno considera la variable estatura
y saca gente al azar y el gráfico no empieza a formar la campana de Gauss, uno no está haciendo la
investigación de manera correcta – ya que, para poder inferir de la muestra a la población, tienen que
presentar resultados parecidos y si la mayoría de la gente presente resultados parecidos se debería
formar el gráfico)

Debido que en la psicología afectan mucho los datos personales, es necesario crear muestras muy grandes
para que éstos no cambien los resultados de la investigación
• Ejemplo: si uno tiene un fármaco uno espera que ayude a todos quienes lo tomen de igual manera,
pero si el fármaco sólo ayuda a algunos, se da una distribución anormal

Anomalías de la distribución normal: Estos gráficos no permiten hacer deducciones certeras sobre los datos,
ya que existen “casos raros” que producen anomalías en el gráfico.
• Skweness positvo: hay muchos valores en el extremo positivo, por lo que arrastran la curva hacia ese
extremo (prueba difícil).
• Skweness negativo: hay muchos valores en el extremo negativo, por lo que arrastran la curva hacia
ese extremo (prueba fácil).

Medidas de Tendencia Central

Cuando la escala de medición es cuantitativa y el análisis requiere un simple valor numérico que resuma
cierto aspecto de los datos, se utiliza una medida descriptiva que puede ser de posición o dispersión.
Cuando es anormal es recomendable ver la mediana y la moda

Medidas de Posición
• Moda (Mo)→ valor más popular, dato que más se repite
• Mediana (Me) → valor que divide la distribución en la mitad, en dos partes proporcionalmente
iguales.
o Ordenar los datos por magnitud
o Seleccionar el valor central o los valores centrales según si el número de caso es par o impar
o La mitad entre el número más grande y el número más chico
o Es una medida de mayor confidencia central
• Promedio o Media 𝑥̅ :
o La suma de todos los valores, dividido por la cantidad de número en total
o En distribución normal, el promedio coincide con la media y la mediana y la moda.
• Percentiles, cuartiles, déciles

90
Medidas de Dispersión
• La dispersión de un conjunto de observaciones se refiere a la variabilidad que exhiben los datos en
torno a la media.
o La variabilidad tiene que ver con que tan alejados están los datos de la media.
o Las medidas de variabilidad cuantifican la extensión de la dispersión.
• Si todos los valores son iguales, entonces no existe dispersión.
• La magnitud de la dispersión puede ser pequeña cuando los valores, aunque diferentes, están
próximo entre sí. Si los valores están ampliamente diseminados, la dispersión será mayor.
● Es como se dispersa un conjunto de datos en función a su promedio→ se debe calcular cuanto cada
valor se aleja del promedio.
● La dispersión es el ancho de la curva
● El promedio de dispersión me habla de la fluctuación de la media
● Cómo se distribuyen los datos, en relación a la media
● Se debe calcular cuánto se aleja el promedio de alguien (cada dato) en particular del promedio del
grupo
● El primer procedimiento para calcular la medida de dispersión, es realizar la suma de cuadrados,
para así alcanzar la varianza .
● Ej: Puedo tener dos poblaciones con el mismo promedio, pero importa la dispersión ya que una puede
tener extremos de pobreza y riqueza mientras que la otra es más equitativa.

Miden el grado de cercanía o lejanía de las puntuaciones respecto a la media→ Permite describir el grado de
homogeneidad/heterogeneidad de la distribución de una variable:
• Máximo y mínimo
• Rango
o Es la diferencia en valor entre las porciones de datos de mayor valor (máx) y de menor valor
(mín)
o Te permite saber cuáles son los valores extremos
o Rango= máx-min
• Amplitud intercuartílica (amplitud entre un cuartil y otro – es el rango donde se encuentra cada
cuartil)
o Distancia entre el valor de un cuartil y el siguiente cuartil
o Por ejemplo: para saber cuál es la diferencia entre el tercer cuartil y el primero → amplitud
intercuartilica = tercer cuartil – primer cuartil
• Varianza
• Desviación con respecto a la media
o Una desviación de la media, x – x, es la diferencia entre el valor de x y la media x. Diferencia
del dato menos el promedio.
o X > media → positiva
o X < media → negativa
o X = media → 0

91
Suma de cuadrados: Calcula dispersión. Se deben tener 2 datos
• El promedio y cada nota individual de cada individuo del grupo.
• El valor de cada individuo se lo debo restar al promedio→ a cada dato se le resta el promedio.
• Luego, debo elevar el resultado al cuadrado
• Seguido a esto, y teniendo todos los resultados, los debo sumar.
• Es la sumatoria de los valores elevados al cuadrado
• En una columna de datos se ve cuánto se aleja cada dato del promedio.

∑(𝑥 − 𝑥̅ )2
Varianza δ: nos permite identificar la diferencia promedio que hay entre cada uno de los valores respecto a
su punto central, describe la separación de valores, en relación a la media.
• La suma de cuadrados partido por n-1
• n: cantidad de datos, sujetos, tamaño de la muestra.
• La varianza está inflada, por lo que no es representativa, ya que, anteriormente se elevó al cuadrado.
• La varianza de la muestra (s²), es la media de las desviaciones al cuadrado, calculado usando como
divisor a n.
2
𝛴 (𝑥 − 𝑢)2
𝑠 =
𝑛

∑(𝑥 − 𝑥̅ )2
𝑛−1
Propiedades de la varianza (σ²):
1. Siempre es un valor positivo o cero
2. Si a todos los valores de la variable se les suma un número, la varianza no cambia (ya que todos los
valores cambian de la misma manera, la curva se mueve, pero se mantiene igual)
3. Si todos los valores se multiplican por un valor, la varianza queda multiplicada por el cuadrado de
dicho número (si se suma, el valor de la varianza queda igual pero cuando todo se multiplica por un
número, el valor de la varianza también se multiplica por el mismo número)
4. Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas se puede
calculan la varianza total
Desviación Estándar 𝜎: nos permite determinar el promedioa ritmético de fluctuación de los datos respecto
a su punto central o media; promedio de la desviación de los valores, en relación a la media.
• Es la raíz cuadrada de varianza
• 𝑠 = √𝑠
• Nos da como resultado un valor numérico que representa el promedio de diferencia que hay entre
los datos y la media
• Me dice cómo es la forma de la curva
• Distribuciones asociadas a la normal
• Aparece de forma casi inevitable
√𝛿

92
Dependiendo del problema, podemos encontrar otras (asociadas):
• X² (chi cuadrado)
• T-student
• F-Snedecor

Sobre todo, nos interesa saber qué valores de dichas distribuciones son “atípicos”.

Puntaje Z
𝑥−𝑢
𝑧=
𝜎
• Puntaje estandarizado, donde media, mediana y moda son =0
• Rango entre -3 y 3, la norma está entre -1,96 y 1,96 (95% de los casos).
• Z Indica a cuántas desviaciones estándar se encuentra cierto valor.
• Todas las variables normalmente distribuidas se pueden transformar a la distribución normal
estándar utilizando la fórmula para calcular el valor Z correspondiente.
• Se calcula a 2 decimales.
• Se la denomina variable tipificada de X, y a la curva de su función de densidad se le conoce como la
curva normal estándar.
• Es una distribución normal con promedio 0 y una desviación estándar de 1.
• El rango de “normalidad”, es de ±2,5.
• En la tabla, se utiliza para ver dónde se ubica (en qué porcentaje), dentro del área bajo la curva.
• Z=1 indica una desviación estándar, Z=2 indica dos desviaciones estándar.
• Formula: (x-promedio) dividido en la desviación estándar
• Estadísticamente significativo:
o Valor p mayor a 0,05 acepto la HO
o Valor p menor a o,05 rechazo la HO
o IMPORTANCIA DE SIEMPRE VERIFICAR SUPUESTOS VINCUNLADOS A LAS PRUEBAS
ESTADÍSTICAS QUE SE USARÁN.
Ej: si el promedio es 4,0 y la desviación estándar es 0,4 entonces cuando Z=1 (cuando el sujeto se encuentra
a 1 desviación estándar del promedio) tiene un 4,4 y cuando Z=2, tiene un 4,8
• El valor z te indica si es que el sujeto es parte de la población o si es que no forma parte de la población
dependiendo de dónde se encuentra en la curva (1,7 desviaciones estándar = 5%, el cual es el margen
de error donde si es que el sujeto se encuentra en esta área no es representativo de la población)

93
Métodos de Análisis de Datos
Análisis e interpretación de datos: Medidas de Posición y Variabilidad
• Necesidad de resumir la información
• Conocer la forma de distribución
• Comparación con otros conjuntos
• Grado de homogeneidad del conjunto

Parámetros y Estadísticos
• Parámetro: Es una cantidad numérica calculada sobre una población completa
o La altura media de los individuos de un país
o La idea es resumir toda la información que hay en la población en unos pocos números
(parámetros)
• Estadístico: se trabaja con una muestra
o La altura media de los que están en una sala

Análisis con variables numéricas

Análisis Paramétrico No paramétrico
Describir un grupo Promedio, varianza o desviación Mediana, rango, inter-cuartil
estándar
Comprar a un T Student de una muestra Prueba Wilconxon
grupo a un valor
Comprar medias T Student de dos muestras: Mann-Whitney: Se utilizan los datos (no los
en dos grupos Prueba que sirve para comparar la promedios) para comparar dos poblaciones y
media de dos grupos determina si es que ciertas variables tienen
valores más altos en una población que en otra
Comparar medias T Student apareada Prueba Wilconxon
en dos grupos
apareados
Comprar medidas ANOVA: Análisis de varianza que Kruskal-Wallis: Se utilizan los datos (no los
en 3 o más grupos se usa para comparar 3 o más promedios) para comparar más de dos
grupos en cuanto a su variabilidad poblaciones y determina si es que una población
y promedio (se consideran los tiene valores diferentes (altos o bajos) que las
promedios pero no se comparan otras poblaciones
solamente éstos)
Correlación entre Pearson (Lineal) Spearman (monotónica): Se aplica cuando la
dos variables correlación no es lineal, cuando la muestra es
muy pequeña

Pruebas No Paramétricas
• No asumen que los datos tienen distribución normal
• No asumen distribución de probabilidad
• Útiles cuando se trabaja con muestras pequeñas.
• Poco potentes

94
 • No siempre se cumplen todos los supuestos requeridos por las pruebas de hipótesis tradicionales
(paramétricas)
• Se utilizan si la distribución de la población es sesgada (por lo que la media no es buen indicador de
tendencia central)
o Distribución normal
o Tamaño de muestra grande
o Varianzas iguales

Chi Cuadrado
El Chi Cuadrado (x2) es una prueba estadística no paramétrica que sirve para evaluar hipótesis acerca de la
relación entre dos variables categóricas. ¿Qué tanto se ajusta el dato con lo que yo espero?
• Las hipótesis a probar son correlaciónales (Ho es cuando no hay asociación y H1 se utiliza cuando si
hay asociación)
• Nivel de medición de las variables: nominal u ordinal
• No supone causalidad necesariamente, por lo cual se habla de asociación entre variables (cuando no
es al azar es porque hay una asociación entre las variables)
• Las frecuencias esperadas son las que deberíamos esperar si la hipótesis nula fuera verdad
• Para probar la hipótesis nula, debemos comparar las frecuencias esperadas con las frecuencias
observadas utilizando la formula
(𝑓0 − 𝑓𝑒 )2
• x2calc = 𝛴
𝑓𝑒
De la formula podemos ver que:
• Si hay una importante diferencia entre los valores esperados y observados, x2 será grande → sugiere
que los datos no soportan la hipótesis nula, ya que los valores observados no son los que esperamos
bajo la hipótesis nula
• Si hay una diferencia pequeña entre los valores esperados y observados, x2 será pequeña → los datos
soportan la hipótesis nula ya que los valores son semejantes

Es una prueba de ajuste – tiene que ver con cómo el 5% de margen de error se traduce en números (cuanto
significa el 5% en números con respecto a la investigación – ejemplo: cantidad de lanzamientos de un dado)

Diferencia entre lo observado y lo esperado → lo esperado es lo que se traza teóricamente (en el lanzamiento
de la moneda se espera un 50% de que salga un lado, pero si es que hay no es 50% entonces se desvía del
azar – se debe a una causa externa) → Para poder utilizar el Chi Cuadrado uno tiene que conocer lo que se
espera (puede ser el azar) ya que lo que mide esta prueba es la diferencia entre lo observado y lo esperado

No supone causalidad necesariamente, por lo cual se habla de asociación entre variables (cuando no es al
azar es porque hay una asociación entre las variables)
• Es una distribución asimétrica simbolizado por χ2
• Sólo se toman valores positivos y es asintótica con respecto al eje de las x positivas (0 < x2 < +∞)
• Está caracterizada por un único parámetro n llamado “grados de libertad” adoptando las formas
distintas según el valor del n
• El área comprendida entre la curva y el eje de las x es 1 o 100%

95
Pasos:
1. Realizar una conjetura
2. Escribir la hipótesis nula y alternativa (H0 y H1)
3. Calcular el valor de x2calc
4. Determinar el valor de p y el grado de libertad
5. Obtener el valor crítico (región de rechazo)
6. cuadrado calculado y el valor crítico
7. Interpretar la comparación

Aplicación
1. La prueba de asociación permite al investigador determinar si existe asociación entre dos variables
en escala de medición nominal u ordinal. También aparece en la literatura con el nombre de “tablas
de contingencia"
2. La prueba de “bondad de ajuste”
3. Se aplica la fórmula de Chi Cuadrado: se calcula la diferencia entre la frecuencia observada y la
esperada, esta diferencia se eleva al cuadrado y se divide por la frecuencia esperada. Finalmente, se
suman estos resultados y la sumatoria es el valor de la x2 obtenida
4. El Chi Cuadrado crítico: se obtiene de una tabla específica, en donde se buscan la intersección entre
los datos de libertad y el nivel de significación a → (f-1)*(c-1), donde f es el número de filas y c es el
número de columnas
a. Grados de libertad = (f-1)*(c-1)
5. Región de rechazo R está constituida por todos los valores del Chi Cuadrado iguales o mayores que
el Chi Cuadrado crítico, si nuestro valor calculado de x2 es igual o superior al de la tabla, decimos que
las variables están relacionadas (diferencia significativa)

Observaciones
• Mientras mayor sea la diferencia entre los valores observados y esperados, mayor será el valor de x2
por tanto la probabilidad de rechazar la hipótesis nula
• No se puede usar la prueba de x2 cuando el valor esperado es menos que 5, en ese caso se usa la
probabilidad exacta de Fisher
• La suma de las frecuencias observadas debe coincidir con la sula de las frecuencias esperadas

SPSS
● Es una calculadora gigante.
● Este funciona con dos pestañas, la primera es donde se ingresan los datos y la segunda, es donde se
describen los datos
● Las variables pueden tomar el nombre que yo quiera.
● Tipo: cadena (letras) o numérica
o Se debe ser muy cuidadoso a la hora de poner si es cadena o numérico, ya que si me equivoco
pierdo los datos
o La idea es trabajar con números
● Anchura: cantidad de caracteres de la celda. Cuántos numeros puedes poner en el espacio.
● Decimales: el número indica cuántos decimales te saldrán

96
 o Este trabaja con todos los decimales, sin embargo, si pongo una cantidad determinada, me
saldrá la cantidad que yo escogí.
● Etiqueta: se puede poner lo que uno quiera. Describir la variable
o Ej: esta variable significa el género de los individuos
o es un espacio para comentarios, para ingresar lo que yo quiera
● Valores: le asignaré valor a las variables
o Se utiliza para asignar un nombre a cada nivel de la variable independiente
● Perdidos:
o se genera un número aleatorio para rellenar los espacios de datos, en caso de que se me
olvide, por ejemplo, preguntarle la edad a una persona.
o En caso de que ocurra esto, inserto en perdidos un número aleatorio que es muy probable
que no se encuentre en mi muestra.
o Cuando asigno un valor a perdidos, cada vez que haya un espacio sin dato, se rellenará con
ese
o Este dato no será considerado en el cálculo del promedio
o Nunca se debe poner 0
o La mejor solución es borrar el dato y listo . Dejar el espacio
● Columnas y Alineación no se tocan
● Medida

Pruebas Paramétricas
• Presuponen una distribución teórica de probabilidad subyacente para la distribución de los datos.
• Más potentes que pruebas no paramétricas

T-Test
• Sirve para comparar dos grupos→ Un grupo que tiene una variable dependiente con el mismo luego
del experimento o con otro grupo.
• Se utilizan variables continuas o discretas.
• Para comparar necesito saber n, promedio y varianza.
• Te permiten contrastar dos promedios (t-test)
• Testeo de hipótesis → diferencias significativas entre los grupos (medias diferentes)
• Las pruebas t funcionan con variables independientes con 2 niveles

Hay 3 diferentes → de una muestra, independiente, dependiente

• T de 1 muestra (T contra 0)
• T Independiente (T no relacionada, T no pareada)
• T Dependiente (T relacionada, T pareada)

97
1. Prueba T de Una (1) Muestra
• Compara un promedio muestral (𝑥̅ ), con un promedio poblacional (𝜇).
• El promedio de mi muestra es X→ este lo voy a contrastar con un promedio llamado u, que es un
promedio poblacional.
• Busco saber si la diferencia entre ambas medias, es estadísticamente significativa.
• Es para comparar si el promedio de mis observaciones son diferentes al de la población en general,
este valor se llama crítico
o Saber si un promedio es significativamente distinto al u

𝑥̅ − 𝜇
𝑡= 𝜎 gl: N-1
√𝑁
• T = diferencia entre las medias de las muestras dividido por el error estándar estimado de la
diferencia entre las medias
• La significancia estadística se obtiene a partir del valor T
• Promedio del grupo 1 menos el del grupo 2/varianza común de los grupos
• Si el valor de T es grande, quiere decir que la distancia entre los promedios es más grande que la
varianza.
• Si el T es pequeño, quiere decir que hay menos diferencia entre los grupos.
• Todo esto me lleva a saber si mis resultados muéstrales son generalizables a la población
• El n aquí se deja así, a pesar de ser a nivel muestral, no se le resta el 1.
• Grupo contrastado con número específico (grupo ideal)

2. Prueba T para muestras Independientes

• Es la más común
• Busco comparar dos grupos, cuyos participantes son distintos o cuando hay dos condiciones
experimentales y distintos sujetos son asignados a ellas.
• Hay que ver que los grupos tengan la misma cantidad de personas
• Se comparan los promedios de ambos grupos, para saber si pertenecen o no, a la misma población o
a poblaciones diferentes.

98
 • Se compara la diferencia entre los promedios de cada grupo, con la diferencia que podríamos esperar
encontrar, debido al azar.
• Si yo comparo hombres y mujeres, ambos grupos son independientes, la varianza de los grupos
muéstrales de cada grupo son distintas, independientes.
• La idea es que un grupo difiera del otro, independiente del tiempo y del espacio. esto no depende del
azar.
• Es una herramienta que permita asegurar que la diferencia será así siempre.
• Utilidad: cuando los tamaños muestrales (n) son iguales y cuando las 2 distribuciones poseen la
misma varianza.
• Ho: promedios de G1 y G2 corresponden a la misma población.
o Ho→ X1=X2 (anotar X con promedio, osea línea)
• H1: promedios de G1 y G2 corresponden a poblaciones distintas.
o H1 → X1 (signo distinto) X2
Suposiciones:
• La distribución es normal.
• Homogeneidad de varianza: las varianzas de las observaciones en las poblacione 1 y 2 son iguales.
• Independencia: observaciones de una muestra, son independientes a las observaciones de la otra
muestra.

1er paso → Suma de cuadrados de cada grupo

2do paso → Desviación estándar ponderada

3er paso→ Ecuación T

̅̅̅1̅− ̅𝑥̅̅2̅
𝑥 𝑆𝐶1 + 𝑆𝐶2
𝑡= 𝑠𝑝 1
𝑠𝑝 = √
𝑁
gl 𝑁1 + 𝑁2 − 2
1 1 +𝑁2 −2
√𝑁 +𝑁
1 2

3. Prueba T para muestras Dependiente

• Es para experimentos de un mismo grupo en distintos momentos del tiempo→ sujetos evaluados dos
veces en el tiempo.
• Se usa para medir los grupos, donde los participantes son los mismos→ Se les evalúa en un “antes” y
“después”.
• Ho: los promedios del grupo 1 y el grupo 2, son similares.

99
 • H1: los promedios del grupo 1 y el grupo 2, son significativamente distintos.
• Es una comparación de una misma variable en el tiempo (variable en tiempo 0 y tiempo 1)
• Es una sola variable en distinta variable, en cambio en la t independiente son 2 grupos distintos, o
sea dos variables independientes (2 niveles).
• Si sale del umbral, se dice que el grupo cambió. Si no sale, es porque no cambió

Suposiciones:
• Distribución normal de las muestras
• Las observaciones de las condiciones experimentales, provienen de los mismos participantes.

𝑑̅ ∑𝑑 ∑(𝑑−𝑑̅ )2
𝑡= 𝜎 𝑑̅ = 𝜎𝑑 = √
𝑁 𝑛−1
√𝑁

• t: d promedio, partido por la desviación estándar de las diferencias, partido por la raiz de n
• d: resta del antes y después
• d promedio (promedio de las diferencias): sumatoria de las diferencias partido por n
o Siempre es antes - después
o Saco la diferencia de todos los datos, sumo y divido por la cantidad de datos
• La desviación de la diferencia: sumatoria de la diferencia entre cada dato menos la diferencia
promedio, elevado al cuadrado, partido por n-1. A todo esto le saco la raiz cuadrado

1er paso → Promedio de las diferencias

(Antes o Pre – Después o Post)

2do paso → Desviación estándar de las diferencias

3er paso → Ecuación t

100
 T umbral, Grado de Libertad
• Para esto se utiliza la tabla t, en donde hay una muestra de todos los umbrales que se pueden obtener
de t
• Para calcular los umbrales, calculo mi grado de libertad, voy a la tabla, me posiciono en el grado, veo
si tengo una o dos colas, voy a cualquiera de esos 2 y voy al 0,05 y veo cual es el umbral.
• Esto determina los puntos frontera en donde compruebas que tu hipótesis nula es cierta, o los que
pasan estos puntos, que te lleva a desconfiar de esta hipótesis nula y aceptar la alternativa.
• Siempre me debo ir al 0.05, aunque sea una o dos colas.
• Todo lo que está en el 95%, es lo normal, es decir ambos promedios son iguales, no tienes suficientes
pruebas para demostrar la diferencia entre ambas, no tengo evidencia estadística, es indeterminado
• Número de puntajes de una muestra que están libres de variar. Si conozco el promedio, puedo variar
en n-1 (todos los números excepto 1)
• Por pruebas de significancia, los grados de libertad de esta prueba se obtienen como 2n- 2 donde n es
el número de participantes en cada grupo
• Cuando cae fuera, desconfío de la hipótesis nula

T test en relación a las hipótesis

• To>Tt: diferencia entre los grupos, rechaza H0 y acepta Ha
• To<Tt: acepta H0

Utilidad: Comparación de dos poblaciones o grupos

• Teste de hipótesis → diferencias significativas entre los grupos (medias diferentes)
• Hipótesis → pregunta de investigación → hipótesis sustantiva

Anova
• Permite evaluar la diferencia entre 3 o más grupos. Busca probar si los promedios de las muestras
(grupos) difieren entre sí.
• Es una prueba de medias, en donde se consideran 3 niveles de la variable independiente.
o Cuando hago ANOVA, voy comparando en pares, 3 pruebas T independientes.
• La variable que se mide tiene distribución normal (variables continuas y discretas)
• Se calcula en base a la variación entre los promedios de las muestras.
• Si Ho es verdadera, la varianza es la misma que para las 3 poblaciones.
• Si H1 es verdadera, la variación entre los promedios de las muestras, es causado por la varianza de
cada población, y por la variación entre las medias poblacionales.
• ANOVA permite decidir entre Ho y H1, pero en caso de que H1 sea correcta, no indica en qué consiste la
diferencia entre los grupos. Para saber la diferencia, se utilizan contrastes.
𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑎𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠 𝑀𝐶𝐸
𝐹= =
𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑎𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠 𝑀𝐶𝐷
MCE: media cuadrática entre muestras. Gl: entre: k-1
MCD: media cuadrática dentro de las muestras. dentro: N-k
1 < F: para que esto pase, el numerador debe ser más grande.

101
 En la prueba t se tienen solo 2 diferencias que comparar, viendo los promedios se podría establecer que
era mayor

Con esta prueba, se dice que el grupo 1, grupo 2 y grupo 3 son diferentes → voy comparando en pares, 3
pruebas t independientes.

Entre 2 grupos hay un 5% de error, entre ese error y el otro 5%, son 10, hasta llegar a un 15% de error. Cada
comparación puntual es de 5% de error.

La alternativa de comparar los 3 grupos entre si es mala, ya que aumenta el error.

• Son 3 comparaciones, que suman un 15% de error
• Hay un 75% de ho
• Un 15% de hi

Para que un dato sea estadísticamente significativo, debe ser menor o igual a 0,05/5%
Como no indica en qué consiste la diferencia, se utilizan contrastes, o post hoc.

Contraste de medias que permite comparar 3 niveles de una variable independiente.

• Si fuera con prueba t, el alfa aumentaría 3 veces
• Es por esto que se creó esta prueba, con el fin de que sea igualmente confiable, ya que tiene un 5% de
error.
• La idea es que no sea tan fácil de refutar la hipótesis nula, es por eso que el alfa tiene que ser 5%
siempre. Esto significa que puedo confiar en lo que estoy estudiando

Contrastes Planeados
• Lo que creo que va a pasar, tengo una idea clara de cómo serán mis resultados.
• Los contrastes deben ser independientes.
• Se sabe en qué dirección van los resultados.
• El número de contraste es k-1.
• Hay que asignar peso a cada grupo; a uno (+) y al otro (-), la suma de ambos debe ser 0. Si un grupo
no está incluido, se le asigna un peso de 0.
• Lo ideal es, comparar primero un grupo experimental, con un grupo placebo.

Post Hoc
• Tiene menos poder estadístico (mezcla todo con todo).
• No se sabe en qué dirección va la hipótesis. Se usa cuando no hay predicciones previstas (es
exploratorio).
• Corrección de Bonferroni (se hace en SPSS), porque se cruza todo con todo.
• Hay 3 tipos:
o REGWQ o Tukey → cuando hay N igual, y varianza similar.
o N diferente → Gabriel (≠ leve); Hochberg (mucha ≠).
o Games-Howel → para varianzas ≠.

102
Hipótesis nula
• El primer valor es igual al segundo y a todos los que agregue. Es igual a tres e infinito
• Todos los niveles son iguales

Hipótesis alternativa
• Que uno sea distinto, confirma mi hipótesis alternativa
• Hay al menos uno distinto

Fórmula: Cuando tengo 3 grupos, yo puedo investigar la varianza (cuantos difieren los grupos) bajo 2
concepciones
• Variabilidad interna o intragrupo→ Por ejemplo cada uno tiene un número, y el promedio entre todos
es 8.
o Es la variabilidad que tiene cada grupo
o Cómo difiere cada dato del promedio del grupo al que pertenece
• Variabilidad intergrupo→ si tomo el promedio del lab 1, 2 y 3. Esos tres promedios, los promedio.
o Cómo el promedio del grupo 1 (lab1) difiere del promedio en general sacado entre todos los
grupos (lab)

La lógica es que se debe calcular algo que se llama f observada y una f crítica (antes era t)
• La f observada (la que se busca en tabla f)
• La f crítica
o La varianza que existe entre los grupos (entre los lab), dividir entre la variabilidad que existe
entre cada dato
o La variabilidad entre e intra
o Entre grupos: k (niveles del grupo = 3). Se hace una suma de cuadrados entre promedios
(promedio de cada grupo menos el promedio grande)
▪ Se debe calcular el promedio de cada k, es decir promedio de cada laboratorio (grupo)
▪ Luego se calcula el promedio de todos los promedios anteriores, o sea, sumo todos los
promedios y los divido en 3 (n de grupos)
▪ Después se resta cada promedio de cada grupo menos el promedio grande, lo elevo a
2 y Luego se suman.
▪ gl: k – 1
o Dentro de los grupos:
▪ j (cada dato del grupo)
▪ Suma de cuadrados dentro: como siempre, es el dato (j) menos el promedio del propio
grupo.
▪ Luego todas las sumas de cuadrados se suman.
▪ Después se toma el mismo proceso en el lab 2 y 3: luego se suman las sumas de
cuadrado independiente de cada grupo.
▪ n : cantidad de j
▪ gl: n-k

103
El análisis de varianza es una técnica mediante la cual, la variación total presente en un conjunto de datos
se distribuye en varios componentes.
Se debe tomar en cuenta que cada uno de los componentes aporta una fuente de variación específica que
es posible de determinar. La magnitud de cada contribución nos informará acerca del grado de variación
total

Introducción al análisis de varianza

• Es similar al t test pero se extiende a múltiples grupos (k = cantidad de grupos)
• Se basa en la comparación de promedios que considera la variabilidad entre grupos y la variabilidad
al interior de los grupos
o Mide la diferencia entre los promedios de cada grupo (inter)
o Mida la variabilidad dentro de un mismo grupo (intra)
• Utiliza la distribución F (Fisher) para contrastar hipótesis

Testeo de hipótesis
• H0: u1 = u2 = u3
• Ha: no todos los promedios son iguales (al menos uno es diferente)

Ejemplo
• Se quiere comparar el efecto del F+ y su inhibidor y si es que afecta el peso de los individuos de una
población de ranas
• Hay 3 grupos: control, F+, F-
• Se aplica ANOVA
• Se compara la probabilidad obtenida con el alfa (a través de una tabla o con el 5%)

𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 (𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎)𝑒𝑛𝑡𝑟𝑒 𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑎𝑠 𝑀𝑆 𝑒𝑛𝑡𝑟𝑒

F= 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 𝑎𝑧𝑎𝑟 (𝑒𝑟𝑟𝑜𝑟)
F = 𝑀𝑆 𝑖𝑛𝑡𝑟𝑎
• Cuando el tratamiento NO tiene efecto, las diferencias entre los grupos están dadas completamente
por azar, el numerador y denominador son similares y F deberá tener un valor cercano a 1
• Cuando el tratamiento SI tiene efecto, las diferencias entre los grupos se deben al tratamiento, por lo
que el numerador sería mayor que el denominador y F tendrá un valor muy superior a 1 (mientras
mayor sea F, más diferencia significativa hay)

Supuestos básicos
1. Distribución normal
a. Comprobada por el Test Kolmogorov-Smirnov
2. Homoestacidad de la varianza: homogeneidad de las varianzas
a. Comprobada por el Test de Levene (>0.15)
3. Independencia de los errores: los valores de las mediciones o errores de estas deben ser
independientes
a. Diseño experimental

104
Fuentes de varianza o error
• Variabilidad INTER grupal
o Diferencias en medidas por tratamiento
o Diferencias en medidas por azar
• Variabilidad INTRA grupal
o Diferencias en medidas por azar

Varianza dentro y entre los grupos

• A través de la comparación de la variabilidad al interior de los grupos y la variabilidad entre los grupos
podemos contrastar la hipótesis de la igualdad de los promedios
• Esto se traduce en la estimación de la dispersión de los puntajes individuales alrededor de los
promedios (totales y grupales)
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑒𝑟𝑟𝑜𝑟+𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜
• 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑒𝑟𝑟𝑜𝑟

Tamaños de muestra y su efecto sobre la prueba

• Tres fuentes de varianza error que disminuyen la sensibilidad de un diseño:
o La variabilidad del tratamiento
o Factores de control no analizados
o La variabilidad individual (inter)
Tabla de ANOVA

• SST (Suma de cuadrados totales): desviaciones de los puntajes individuales en torno al promedio total.
• SSB (Suma de cuadrados entre grupos o varianza explicada): desviaciones de los promedios de los
grupos, en torno al promedio total.
• SSW (Suma de cuadrado intra grupos): desviaciones de los puntajes individuales en torno a los
promedios de los grupos

Grados de libertad
• Se definen en función de la estimación de parámetros y la cantidad de información disponible.
Definición simple y general:
o gl = [número de observaciones independientes - [número de parámetros a ser estimados o
número de restricciones

105
Factores que afectan la precisión de la estimación:
• Tamaño de la muestra (n): a mayor n más precisa es la estimación.
• Dispersión de valores en torno a la línea de regresión: a menor dispersión de valores, mayor
precisión.
• Valores de X: a mayor dispersión de los valores de X, mayor precisión.

Correlación
Correlación de Puntajes (Spearman)
• Diagrama de dispersión o nube de puntos.
• Indica la fuerza y dirección de una relación lineal, entre dos variables estadísticas, los valores de una,
afectan los valores de la otra.
• Equivalente no paramétrico a la prueba de correlación lineal de Pearson. Se aplica cuando la
correlación no es línea, la muestra es pequeña o existen valores muy extremos
• Determina si dos variables cuantitativa u cualitativa- ordinal están correlacionadas positiva (una
crece y la otra también) o negativamente (una crece y la otra disminuye)
• La variable que voy a predecir va en el eje Y.

Correlación bivariada:
• Una variable pueda predecir a otra. Si una aumenta sistemáticamente, la otra también y viceversa.

Propiedades de la correlación:
• Medida de grado de asociación, libre de escala: no se ve afectada por cambios en escala.
• Captura relación lineal.
• Expresada en escala estandarizada (-1 cuando aumenta una, la otra disminuye y 1 → correlación
perfecta).
R=1 → correlación positiva R=0 → no hay correlación R=-1 → correlación negativa
perfecta perfecta

¿Cómo saber si la correlación es directa o inversa?

a. Para valores de X por encima de la media se tienen valres de Y por encima y por debajo en proporciones
similares.
• NO HAY CORRELACIÓN

106
b. Para valores de X mayores que la media le corresponden valores de Y mayores también
• Relación directa o creciente entre X e Y

c. Para valores de X mayores que la media le corresponden valores de Y menores

• Relación indirecta o decreciente

Coeficiente de correlación lineal de Pearson

• Coeficiente de Pearson (r) Nos entrega un valor que nos dice la tendencia de los puntos de ponerse
de forma lineal.
• Sirve para determinar si hay una relación lineal entre 2 variables, pero no servirá para otro tipo de
relaciones.
• Índice de Pearson me dice la estimación entre la relación de las 2 variables aleatorias medidas a nivel
intervalar.
• Diagrama de dispersión o nube de puntos
• La variable que voy a predecir va en el eje Y.
• Mientras mas grande la muestra, mejor la estimación.
• Requiere que las dos variables sean continuas y estén normalmente distribuidas.
• Elementos de una correlación.
o Fuerza (de los puntos) → mientras mas juntos, más fuerte.
o Sentido (+) o (-) → Positivo es directa, negativo, es indirecta.

Propiedades de r
• Es adimensional
• Solo toma valores [-1,1]
• Las variables no están relacionadas → r=0
• Relación lineal perfecta entre 2 variables → r=1
• Cuanto más cerca esté r de 1 o -1 mejor será el grado de relación lineal.
• Bondad de ajuste (r2)
• Grado de asociación
• Un valore r distinto de 0 no implica relación lineal
• Es necesario ver la significancia de la relación

107
Regresión Simple
• Relación matemática entre una variable y otra

Bases del modelo de Regresión Simple

1. Variable dependiente (Y)
a. Es la variable que interesa modelar y se supone existe alguna relación con las variables del
modelo
b. Es variable aleatoria
c. Es explicada
2. Variable independiente (X)
a. Es aquella variable que cambia o varía libremente y en la cual la variable Y no tiene impacto
b. X no es variable aleatoria (en la práctica se usa con X aleatoria, cuando se cumplen supuestos)
c. Predictora y explicativa

Ej: El estudio de la altura en grupos familiares de Pearson.

• Altura del hijo = 85cm + 0,5 altura del padre (Y = 85 + 0,5 X)
o Si el padre mide 200cm. ¿cuánto mide el hijo?
▪ Se espera (predice) 85 + 0,5x200=185 cm.
▪ Alto, pero no tanto como el padre. Regresa a la media.
o Si el padre mide 120cm. ¿cuánto mide el hijo?
▪ Se espera (predice) 85 + 0,5x120=145 cm.
▪ Bajo, pero no tanto como el padre. Regresa a la media.
• Esto es un modelo de regresión lineal simple.

7. Reporte de Resultados
Para lograr llegar a la conclusión:
• Recolección de datos → Descripción de Datos → Análisis → Conclusión (en la conclusión se comparan
los resultados con la hipótesis inicial)

Antes de aprender de los datos:

• Recolección de datos • Análisis
• Descripción • Obtención de conclusiones

A partir de los datos recogidos de los estudios:

• Obtención de conclusiones: inferencia estadística (a partir de ciertos datos puedo predecir qué es lo
que va a pasar en la población).
• Ver qué eventos se repiten en el tiempo
• Necesidad de causalidad, azar (hay que verificar cuántos resultados son al azar y cuántos se deben a
causas específicas)
• Necesidad de variabilidad (la variabilidad es la base para lograr estudios cuantitativos, es necesaria)
• Verificar el origen de las comparaciones
• Ver si hay diferencias significativas entre grupos → ¿son significativas?

108
Presentación de Resultados
Gráficos
Uno de los principales métodos para representar información estadística es el uso de gráficos. Los principales
gráficos utilizados son: diagrama de barras, diagrama de sectores (gráfico de pastel), diagrama de puntos o
correlación, histograma y gráfico de cajas.

Histogramas
● Se utilizan para observar frecuencias, las cuales están agrupadas en cada valor de la variable
dependiente numérica continua.
● Cantidad de casos que presenta cada nivel
● Cuando se tienen v continua numérica (variable dependiente)(edad) en dos grupos
● Si yo quiero calcular el promedio de consumo de alcohol de dos grupos, estos promedios deben ser
representativos de esos grupo. Deben provenir de una distribución normal.
● Esos promedios se tienen que comportar de manera normal
● El promedio debe ser el punto más representativo
● Representación gráfica de la frecuencia (de la cantidad de veces que se repite) de un dato continuo
numérico
● Es la representación de la variable dependiente
● El promedio está al medio, lo extraño está a los costados
● No todas las variables dependientes se van a comportar de manera normal
● Campana de gauss: histograma en el que la mayor cantidad de distribución de datos se concentra en
el centro

109
Distribución Muestral
Las distribuciones de frecuencia pueden tener muchas formas. En un mundo ideal, los datos se distribuyen
simétricamente alrededor del centro normal

Gráfico de Cajas

NO OLVIDAR:
Problema → objetivos → identificación de variables (unidades de estudio y muestra) → trabajo de
campo (medición a través de encuestas, etc.) → procesamiento → codificación, crítica, digitación y
tratamiento estadístico → análisis (es importante saber qué significan los números)

110
Conclusiones Generales:
• Se debe decir que el promedio contraste (u) SI es significativamente (acepto hi) o NO es
significativamente diferentes (ho).
• SPSS: test value→ valor de contraste → u
• En la t independiente, se permite que hayan diferentes cantidades de datos en cada grupo.
• T obtenido: la que obtengo con la formula
• T critico: la que se ubica en la tabla y marca umbrales
• Sig (bilateral) = P = ∝ = 0,05
• Cuando P es menor o igual a 0,05 cae en la hipótesis alternativa, por lo tanto es significativamente
distinta.
• Cuando P es mayor o igual a 0,05 cae en la hipótesis alternativa, por lo tanto no es
significativamente distinta.
• F (mayúscula): indica que la tabla es ANOVA
• t (minúscula): indica que es prueba t
• P: sirve para ver la diferencia significativa
• Test value: t de una muestra
• T dependiente: paired, relacionado. dependiente.
• Diagrama de cajas: gráfico que te muestra la media del grupo
o La estrella es lo que está a más de 2 desviaciones estándar, por tanto es un número que
debes sacarlo. El dato que se encuentra en la columna de la estrella, altera todos tus datos,
por lo que el SPSS te aconseja sacarlo.

111
 Grados de
Definición Características Conclusión
libertad
Prueba que sirve para Tipos de comparación: Para un grupo: 1. P > ∝: Se acepta H0
comparar la media de 1. Muestras n-1 2. P < ∝: Se rechaza H0
dos grupos independientes (control 3. Tobs. > Tcrítico: Se
(Paramétrica)
Prueba de T

y experimental) Para dos grupos: rechaza H0 ya que se

2. Muestras dependientes (n-1)+(n-1) encuentra en región
(mismo grupo pre y de rechazo
post) 4. Tobs. < Tcrítico: Se
3. Grupo contrastado con acepta H0
grupo ideal
Análisis de varianza Características: Entre los grupos 1. P > ∝: Se acepta H0
que se usa para 1. Mide la diferencia entre (inter): k-1 2. P < ∝: Se rechaza H0
comparar 3 o más los promedios de cada 3. Fobs. > Fcrítico: Se
grupos en cuanto a su grupo (inter) En cada grupo rechaza H0 ya que se
variabilidad y a. Por tratamiento (intra): N-k encuentra en región
promedio (se b. Por azar de rechazo
consideran los 2. Mide la variabilidad Total: N-1 4. Fobs. < Fcrítico: Se
(Paramétrica)

promedios pero no se dentro de un mismo acepta H0

Anova

comparan solamente grupo (intra)

éstos) a. Por azar

Supuestos básicos:
1. Distribución normal
2. Homocedasticidad de las
varianzas
3. Independencia de los
errores
Evalúa la hipótesis de Mide la diferencia entre (f-1) x (c-1) 1. P > ∝: Se acepta H0
(No paramétrica)

relación entre dos la frecuencia observada 2. P < ∝: Se rechaza H0

Chi Cuadrado

variables utilizando y la esperada, para que 3. X2obs. > X2crítico: Se

una hipótesis se acepte la H0 los datos rechaza H0 ya que se
correlacional observados deberían encuentra en región
(evalúa si es que hay coincidir con los datos de rechazo
relación entre las esperados 4. X2obs. < X2crítico: Se
variables) acepta H0
Relaciones de 1. Correlación positiva = 1
Correlación
(Pearson)

dependencia 2. Correlación negativa = -1

3. No hay correlación = 0

112