Lic. Maria Paola Ruiz Técnicas para el análisis de...

Lic. Maria Paola Ruiz

Técnicas para el análisis de realidad

1

EL ANALISIS DE LA REALIDAD: DIAGNOSTICO SOCIAL

TÉCNICAS PARA EL ANALISIS DE LA REALIDAD

La realidad es un fenómeno multidimensional, cada dimensión implica una cara

de esa realidad, y bien sabemos que todas están en profunda conexión unas con

otras, con lo cual cuando una de ellas se ve afectada también las otras se afectan,

esta situación sistémica hace de este objeto de estudio un fenómeno complejo.

Esto que al mismo tiempo enriquece la mirada que podamos hacer de la realidad es

una dificultad cuando pretendemos medirla y acotarla a una investigación como lo es

un diagnóstico social.

Sin embargo tenemos el desafío de tratar de entenderla para poder

fundamentar, lo mejor posible, nuestras decisiones con respecto a los proyectos que

queramos llevar a cabo.

Para ello podemos disponer de ciertas técnicas que facilitan el concretar el

análisis de la realidad y que al mismo tiempo cuente con la mayor fiabilidad posible.

Las técnicas que se proponen en este curso tienen su origen en el tipo de

investigación que estamos desarrollando, si nuestro objetivo es “conocer” nuestro

entorno, es decir describirlo para luego, con posterioridad, poder actuar sobre él,

estamos en presencia de un diseño de tipo “descriptivo”.

Estos diseños no-experimentales han sido definidos por Arnau (1995) como

aquéllos en los que ni se aleatoriza ni se manipula, es decir, respetan al máximo la

situación natural del objeto de estudio (Mateo, 1997). Hace referencia a una gran

variedad de tipos de investigación (correlacional, de encuesta, observacional, etc.) y

los datos que en ellos se recogen pueden ser tanto cualitativos como cuantitativos.

Dentro de este grupo describiremos brevemente, siguiendo a Bisquerra (2000)

y Aliaga (2000), los siguientes tipos:

� Estudios de temporalidad

o Transversales: En un mismo momento se analiza a todos los

participantes con diferencias de tipo evolutivo en alguna característica.

o Longitudinales: Se analizan los mismos individuos pero en diferentes

momentos temporales.



2

o De cohorte: Es una combinación de los dos anteriores, se toman

medidas transversales y longitudinales. Son estudios muy útiles dado su

potencial informativo, pero caros, por lo que no suelen utilizarse mucho .

� Estudios de encuesta: Su utilidad radica en que se obtiene exactamente la

información que se precisa a través de preguntas a los interesados1, bien de

manera escrita (cuestionarios, tests, comentarios abiertos, etc.), bien de manera

oral (entrevistas). La representatividad y el cuidado en el muestreo suelen ser sus

características básicas2.

� Estudios observacionales 3: Aunque cualquier circunstancia puede ser

susceptible de ser observada, la observación sólo se considerará científica si

cumple con el requisito de la sistematización (León y Montero, 2002), es decir, que

pueda replicarse por cualquier otro observador. Puede dividirse en (Buendía,

1998a):

o Participante: El investigador se implica en la situación a observar

o No participante: Su objetivo es la fiabilidad y la objetividad, se utiliza

sobre todo dentro del enfoque racionalista.

� Estudios correlacionales 4: Su finalidad radica en obtener el grado de asociación

entre dos o más variables, pero no en términos de causa-efecto, sino en términos

de covariación. Se trata, más bien, de un conjunto de técnicas estadísticas de

análisis de datos, independientemente de los procedimientos utilizados para

obtener dicha información. Según la técnica y la finalidad se pueden dividir en

(Castejón, 1997):

o Técnicas correlacionales: se pretende averiguar la relación entre dos

o más variables. (Técnicas Factoriales, Chi2,...)

o Técnicas clasificadoras: Según su afinidad empírica, se agrupa a los

participantes de distinta forma. ( Técnica de Cluster, Análisis

discriminante,...)

1 Para más información sobre las formas de obtener información ver apartado 5.1 sobre las técnicas de recogida de datos 2 Para más información sobre las técnicas de muestreo ver apartado 4.2 sobre la selección de la muestra. 3 La observación como técnica de recogida de información podrá verse con más detalle en el apartado 5.1 4 Para más información sobre las técnicas de correlación ver el apartado 5.2 sobre análisis de datos.



3

� Estudios etnográficos: Con esta denominación se conoce tanto al proceso de

investigación por el que se conoce el modo de vivir de algún grupo, como al

producto de esa investigación (escrito etnográfico o relato de ese modo de vida)

(Sandín, 2003).

� Estudios Fenomenológicos: Describe el significado de las experiencias vividas

por una persona o grupo de personas acerca de un concepto o fenómeno

(Creswell, 1998). Dirige su atención a la experiencia subjetiva de las personas. Su

principal técnica de recogida de información es la entrevista.

� La etnometodología: Se preocupa por los mecanismos que utilizan las personas

para construir la realidad social, por el en y el a través de qué procesos interactivos

y se centra en el estudio de los métodos empleados por aquéllas para dar sentido

a sus prácticas sociales cotidianas. Se interesan por la acción y la interacción, no

por los procesos mentales que llevan a esa acción (Sandín, 2003).

� Estudio de casos: Se trata de investigaciones que se centran en un individuo, un

grupo o un fenómeno (Sturman, 1999). Aunque coincidente con los estudios de

caso único en lo que se refiere al control de las variables, en los que se trata aquí

la finalidad es más la descripción que la investigación en sí (Hernández Pina,

1998).

En muchos casos se suelen combinar los diferentes tipos de estudios para

tratar de abarcar esa realidad tan diversa desde diferentes ángulos.

Ahora a partir de diferentes preguntas trataremos de ir definiendo que técnica

es la más adecuada para el tipo de análisis o diagnóstico que se quiere realizar.

¿Cuántas personas han de participar? y ¿cómo las seleccionamos?

Para esto tendremos en cuenta los diferentes tipos de muestreo:

En general podemos hablar de dos tipos de muestreo, probabilístico y no

probabilístico, cuya diferencia radica en la probabilidad de que un miembro de la

población sea elegido como parte de la muestra o no. Aunque algunos autores

incluyen un tercer tipo de muestreo cuasi-probabilístico (Martínez Arias, 1995), en el

que aunque la selección es aleatoria no se conoce la probabilidad.



4

Probabilísticos

Han de cumplir los siguientes supuestos:

― Todos los elementos de la población han de tener una probabilidad conocida y

distinta de cero para ser elegidos.

― Todos los miembros de la población han de ser localizables de alguna manera.

Se dividen en:

� Aleatorio simple: Todos los elementos de la población tienen la misma

probabilidad de ser elegidos parte de la muestra.

� Aleatorio Sistemático: Básicamente igual que el anterior, pero la forma de

elección consiste en ir eligiendo cada miembro de la muestra a partir de una

constante K, cada K elementos.

� Aleatorio Estratificado: Es necesario conocer alguna característica que interese

al estudio, de esta manera se agrupan los miembros de la población según esa

característica de la forma más homogénea posible y posteriormente se seleccionan

submuestras de cada uno de los grupos formados.

Los requisitos que deben cumplirse son:

� Homogeneidad de los estratos

� Posibilidad de separar los estratos

� Conocer la proporción de la población en cada estrato.

Figura 1 Estratificación simple y proporcional.

PROPORCIONAL SIMPLE

muestra

población

A

B

C

A

B

C

muestra

población

A

B

C

A

B

C



5

� Aleatorio por conglomerados: Se forman aleatoriamente submuestras lo más

heterogéneas posible internamente en cuanto a la variable o variables que

interesen, pero las submuestras han de ser lo más homogéneas posible entre

ellas, y se selecciona una de las submuestras confeccionadas según muestra la

Figura 2.

Figura 2 Muestreo aleatorio por conglomerados

� Muestreo de replicación: Se toman varias muestras mediante el mismo

procedimiento y se realiza el estudio con cada una de ellas, posteriormente se

toma una muestra global de todas ellas para efectuar el análisis. Se utiliza sobre

todo para controlar errores provenientes de los que recogen la información

(entrevistadores, etc.).

� Muestreo de Panel: Se recogen datos de la misma muestra en más de una

ocasión. Su objetivo es medir cambios a través del tiempo (estudios

longitudinales).

No Probabilísticos

Su característica principal reside que sólo van a servir para dar valoraciones

subjetivas, ya que al no cumplir ninguno de los requisitos de los diseños probabilísticos

no hay forma de demostrar la representatividad de la muestra y, por tanto, los

resultados no se pueden generalizar al conjunto de la población.

� Fortuitos o accidentales: Funcionan sobre voluntarios o bien sobre personas que

el investigador tiene más a mano, por lo que no está clara la población de

referencia y, por tanto, no pueden inferirse conclusiones.

población

A

B

C

conglomerado

A B

C

conglomerado

A B

C

conglomerado

A B

C

muestra

A B

C



6

� Intencionales o de elección experta: La muestra es elegida a partir de ciertos

criterios establecidos por el experimentador o por un experto. Suele utilizarse para

conocer en profundidad un determinado tema en fases previas a un estudio de

encuesta o estudio de casos.

� Bola de nieve: Se identifican algunos sujetos que tienen las características que se

requieren y se les pide que localicen a otros con esas características y así

sucesivamente hasta obtener el tamaño deseado. Se utiliza sobre todo para

localizar muestras de muy difícil acceso y localización.

� Por cuotas: Se establecen de antemano el número de personas de las que

obtener información a partir de unas características dadas. Normalmente se

controlan varias características, suelen ser atributos relevantes para el estudio y de

los que debe conocerse la distribución en la población para que las cuotas sean

proporcionales.

Es necesario añadir, antes de terminar este apartado, que en la práctica es muy

frecuente utilizar muestreos mixtos y complejos.

Pero antes de realizar la selección de los sujetos que formarán parte de la

muestra, han de tomarse varias decisiones que afectan al tamaño y la

representatividad.

En lo referente al tamaño, debe considerarse que éste ha de ser lo

suficientemente elevado para recoger la variabilidad de casos que se dan en la

población, pero además, el tamaño es subsidiario de la representatividad, es decir,

uno de los parámetros a considerar para que una muestra sea representativa de la

población es que su tamaño garantice su replicabilidad.



7

¿Cómo recojo la información para luego poder analizarla?

Primero debemos identificar la “variable” o constructo que queremos medir y

luego qué tipos de datos vamos a poder recoger y con qué instrumentos o técnicas

podemos contar para recopilar la información.

Los datos pueden ser de orden cualitativos, cuando nos referimos a palabras,

imágenes, etc., o de orden cuantitativo cuando nos referimos a alguna expresión

numérica, sin embargo lo que prima en el análisis estadístico es el tipo de escala a la

que corresponde ese dato: Nominal, Ordinal, Intervalo y de Razón.

Tipos de instrumentos

Existen diferentes formas que puede adoptar un instrumento de recogida de

información. La clasificación puede verse de forma resumida en la Figura 3. Si bien

debe tenerse presente que pueden existir combinaciones entre varios instrumentos y

técnicas, dando lugar a herramientas diferentes de obtención de información.

Figura 3. Esquema de los tipos de instrumentos y técnicas de recogida de información

ESCALAS Globales Metas Cafetería

Específicas Generales Globales

ENTREVISTA

Individual Grupal Directiva No directiva Estructurada No estructurada

COMENTARIO ESCRITO

Dirigido

No dirigido

OBSERVACIÓN Participante

No participante

Sistemática

No Sistemática



8

Nos centraremos en tres técnicas muy importantes y comunes en nuestro

trabajo cotidiano:

Las Escalas

Bajo este nombre se incluyen todos aquellos cuestionarios o encuestas en los

que se debe responder en una escala u opciones dadas de antemano.

Se trata de una de las formas más usuales de recogida de información, dada su

facilidad para ser analizadas posteriormente —consecuencia de la categorización de

las respuestas—, sin embargo, como contrapartida no dan la oportunidad de matizar

—con lo que se pierde información.

La entrevista

Es otra forma de recoger información, son menos utilizadas debido, en parte, a su

elevado coste en comparación a las escalas de valoración anteriormente descritas, si

bien, sus características la hacen especialmente adecuada para la investigación de

tipo clínico (Fosatti y Benavent, 1998).

En cuanto a la mecánica de las entrevistas puede ser muy variada:

� individuales o en grupo ; hace referencia al número de personas que realizan

simultáneamente la entrevista

� directiva o no directiva ; se refiere al grado de orientaciones que el entrevistado

recibe por parte del que le entrevista

� estructurada o no estructurada ; hace referencia a lo cerrado que está el

formulario de preguntas a realizar.

La Observación

La observación como forma de obtener información busca en los

comportamientos verbales y no verbales una relación entre las variables (Braskamp et

al.,1984).

Los sistemas de observación proveen una información específica obtenida

directamente por el evaluador o por medio de un agente externo preparado a tal

efecto.

Sus requisitos pueden resumirse en:

a.- Especificación de propósitos y requerimientos.

Se incluyen aquí puntos tales como el número y la duración de

las observaciones (normalmente se realizan de dos a cinco

observaciones con una duración que suele oscilar entre los cinco y los

diez minutos (nunca más allá de una hora) (Everston y Holley, 1981).



9

b.- Formato o protocolo guía

Hace referencia al sistema o sistemas que van a seguirse. Debe

tenerse en cuenta que cuantas más formas de observación se adopten

más difícil será la interpretación de los datos. Una forma de suavizar

este problema es hacer los protocolos lo más sistemáticos posibles, sin

embargo, no es una práctica demasiado usual (Holley, 1979).

c.- Papel de los evaluadores

Cuando un sistema requiere varios observadores, la distribución

del trabajo se convierte en una de las tareas principales, es decir, la

coordinación perfecta es esencial. Negligencias como la falta de

comunicación, o incluso diferencias en el punto de vista, pueden

conducir a serios problemas que llevarían a la incoherencia de los

resultados.

d.- Entrenamiento

Este requisito está íntimamente ligado al anterior. El observador

tiene que aprenderse de tal forma el instrumento que va a utilizar, que

debe hacerlo suyo.

Por supuesto, cuanto más complejo es el sistema mayor será el

tiempo de entrenamiento necesario; es decir, observaciones muy

específicas, como las de un sistema de categorías, requerirán mayor

tiempo y esfuerzo para su interiorización por parte de los observadores

(Simon & Boyer, 1967; Stallings, 1977) que sistemas más abiertos,

como los narrativos, notas de campo, valoraciones, etc.

Debe remarcarse también la importancia obvia que tiene el hecho de que

cuanto menos disruptivo sea el sistema o sistemas elegidos mejor, pues hay que

procurar no modificar el ambiente más de lo imprescindible -desde luego, cierta

alteración del la conducta normal de los sujetos observados no puede evitarse, sobre

todo al comienzo de la observación.

Siguiendo a León y Montero (2002), para que un estudio basado en la

observación resulte científico debe cumplir con la sistematización. Además de la

mayor precisión posible de los datos, es muy necesario que el observador sea muy

metódico, de forma que evite caer en contradicciones que muy a menudo no pueden

evitarse, ya que, por ejemplo, en el uso de la observación mediante categorías

predeterminadas, se parte del supuesto que la relación entre un comportamiento y su

significado es inequívoco, es decir, que el observador siempre que se percate de ese

comportamiento reconocerá su significado. Sin embargo, no es así, diferentes teorías



10

muestran diferentes significados para una misma conducta (recordar el carácter

cultural de todas las ciencias humanas y sociales y, por tanto, de la educación), por lo

que la adjudicación de un comportamiento siempre a una misma categoría no parece

factible (Erickson, 1985).

Por supuesto, todo lo que se ha dicho hasta ahora no quiere decir que sea

imposible elaborar un sistema apropiado, sino simplemente que hay que prestar

mayor atención para no caer en errores evitables, y una de las formas de controlar

radica en la elección de los métodos más adecuados a las necesidades y

características del caso a tratar. Estos métodos pueden clasificarse en dos grandes

grupos (Erickson, 1985): (1) intuitivos en los que el observador entra sin ninguna idea

previa, y (2) deliverativos cuando se sabe lo que se busca y se eligen sólo aquellos

datos que interesan.

Dentro del primer grupo se incluirían los sistemas narrativos que, en términos

generales, consisten en que el observador cuente coloquialmente qué es lo que ocurre

en la situación o fenómeno (Everston y Holley, 1981).

En el segundo grupo trataríamos con: (1) los sistemas de conteo de

frecuencias en los que el observador se dedica a contar el número de veces que

aparece cada una de las conductas especificadas en categorías, y (2) los sistemas de

valoración, en los que, normalmente al final de cada periodo de observación se le pide

al observador que valore el grado (cantidad, intensidad, etc.) en el que se presentaba

una o varias conductas o variables previamente establecidas.

Por otra parte, el uso del vídeo (observación vicaria) puede evitar muchos

problemas de la observación directa, ya que entre otras ventajas cuenta con la de dar

oportunidad de completar el análisis y, además, permite la revisión de hechos aislados

que de otra forma pasan desapercibidos, sin ser por ello menos relevantes (para una

información más amplia ver Villar Angulo, 1983). Pero también cuenta con algunos

inconvenientes, como son la imposibilidad de interacción directa y de acceso a la

información contextual que en una grabación se pierden.

Y ahora que tengo lo datos ¿cómo los analizo?

Una vez recogida toda la información llega la hora de organizarla y analizarla.

Este proceso va a estar en función, principalmente de:

� La perspectiva desde la que vamos a analizar estos datos, es decir, cuantitativa o

cualitativa



11

� Los objetivos de la investigación: describir, explicar, comparar, etc.

Por supuesto, existen más condicionantes, sin embargo, se considera que estos

son los más generales, las demás decisiones van apareciendo según vamos

decantándonos por cada una de las opciones anteriores.

Del mismo modo, las decisiones adoptadas en cada momento no son excluyentes

(Kaplan, 1964), es decir, los mismos datos, siempre que cumplan con unos requisitos,

o tratados adecuadamente, pueden ser tratados de forma cualitativa o cuantitativa, de

la misma manera que un diseño planificado de forma experimental puede ser, y de

hecho es, susceptible de ser analizado de manera descriptiva.

Análisis de datos desde la perspectiva cualitativa

Los datos para analizar desde esta perspectiva suelen proceder de técnicas de

recogida como la observación, la entrevista, cuestionarios, diarios, etc., todos ellos

siempre con un grado de estructuración mínimo, aunque un análisis cualitativo también

es perfectamente plausible con datos cuantitativos.

A continuación pasaré a describir brevemente cada una de las tareas.

� Reducción de datos: suele realizarse a través de la categorización de la

información. Consiste en encontrar elementos comunes en los discursos con el fin

de asignarlos a las mismas categorías. Estas categorías se van reformulando a

partir de los propios datos, es decir, no se trata de categorías estáticas.

Por otra parte, se asignan códigos a cada unidad dependiendo de la categoría en

la que se inscribe. Existen tres tipos de codificación (Miles y Huberman, 1994):

� Descriptiva: Asignar una determinada información o fragmento a una

categoría

� Interpretativa: Se realiza una cierta abstracción o inferencia con la

información.

� Explicativa: Con mayor nivel de inferencia. Se relacionan con los propios

patrones explicativos que el investigador va deduciendo del análisis de los

datos.



12

� Disposición y transformación de datos: Una disposición es un conjunto

organizado de información. La transformación se produce cuando la disposición

conlleva un cambio en el lenguaje para poder expresar dichos datos:

� Matrices: Tablas de doble entrada en cuyas celdas se aloja una breve

información de tipo verbal (ver Figura 4).

� Diagramas: Representaciones gráficas de las relaciones entre conceptos (ver

Figura 5).

� Redes: Se establece una relación de jerarquía entre categorías y

subcategorías así como sus relaciones mutuas (ver Figura 6).

Figura 4 Ejemplo de matriz

Categoría A

A1 A2 A3

B1 A1, B1 A2, B1 A3, B1 Categoría B

B2 A1, B2 A2, B2 A3, B2

Figura 5 Ejemplo de Diagrama (Mapa conceptual sobre los mapas conceptuales,

tomado de http:// orbita.starmedia.com/ ~eurekane/ MAPAS.htm)



13

Figura 6 Ejemplo de red.

� Obtención y verificación de conclusiones: Por un lado deben extraerse las

conclusiones, es decir, los productos finales resultado de toda la investigación, y

además deben verificarse todos los resultados y conclusiones. Colás (1998)

comenta algunas de las técnicas propuestas por Miles y Huberman (1994) para

esta fase:

� Observar patrones y temas: Supone encontrar puntos comunes que

aglutinen datos.

� Comprobación de la plausibilidad de los resultados: Que tengan

sentido, que se ajusten a la realidad

� Agrupar: Reunir eventos concretos en unidades mayores, o que impliquen

abstracción.

� Subsumir lo particular en lo general: Es una actividad conceptual que va

conectando los datos desde los más concretos a los más generales, hasta

que los datos que se añaden ya no aportan significados nuevos a la teoría

general.

� Partición de variables: Consiste en lo contrario del agrupamiento. Aunque

resulta más enriquecedor, no siempre es recomendable.

� Metáforas o analogías: Son recursos de reducción de datos que conectan

los datos a las teorías. Estaría a mitad de camino entre los datos empíricos

y el significado conceptual de éstos.

� Realizar contrastes y comparaciones: Sirve para generar y refinar

teorías.

A’

CATEGORÍA P

SUBCATEGORÍA A

SUBCATEGORÍA B

SUBCATEGORÍA C

SUBCATEGORÍA D

CATEGORÍA Q SUBCATEGORÍA Y

SUBCATEGORÍA X

SUBCATEGORÍA Z

D’

D’’

D’X

D’Y

A’’

A’



14

� Factorización: Reducir o concentrar la información en factores más

generales no observables.

� Establecer relaciones entre variables: Descubrir el tipo de conexiones

que se dan entre dos aspectos. Deben establecerse las tácticas para

verificar esas relaciones.

� Encontrar variables intervinientes: Debe buscarse la influencia de otras

variables que aporten realismo a la explicación.

� Elaborar una cadena lógica de evidencias: Detectando factores

significativos y gradualmente ir comprobando las nuevas incorporaciones.

� Mantener la coherencia conceptual/teórica: Debe prestarse atención a la

correspondencia entre los datos y sus interrelaciones

Es importante remarcar que para comprobar y verificar estos resultados es

conveniente:

� Comprobar la representatividad de la muestra

� Comprobar los efectos del investigador

� Controlar los prejuicios de los distintos informantes e investigadores

� Triangular los datos y métodos de diferentes teorías e investigadores.

� Comprobar los datos por los investigadores

Análisis de datos desde la perspectiva cuantitativa

Una vez se han recogido los datos de la investigación, en este caso datos de carácter

cuantitativo, se deben ejecutar una serie de pasos antes de proceder a su análisis.

Según Orellana (2002) estos pasos son:

1. Codificación de los datos

2. Creación de la matriz, en la que normalmente las filas representan las

unidades o sujetos y las columnas son las variables.

3. Análisis de los datos, en los que se comenzará por una descripción y

exploración mediante análisis descriptivos univariados y análisis gráficos de



15

frecuencias, para pasar posteriormente a otros análisis, dependiendo de las

hipótesis u objetivos propuestos, o incluso de modas (Gaviria, 2000).

o Estadística descriptiva

Como ya se ha dicho, la Estadística descriptiva es la que se encarga de

recoger, ordenar y analizar los datos con el fin de describir la muestra.

De esta forma, atendiendo a la descripción que queramos dar, tendremos:

Métodos Descriptivos univariados, bivariados o multivariados dependiendo del número

de variables implicadas en el análisis.

� Descriptivos univariados

Tal y como se comentaba anteriormente, la primera fase de la etapa del análisis de

datos pasa por una descripción y análisis exploratorio de los mismos de cara a

detectar posibles fallos y sobre todo, descubrir cuáles son las pautas que los

caracterizan (Escobar, 1999).

Estos estadísticos van a perseguir, precisamente, este objetivo, pueden definirse los

siguientes:

� Medidas de tendencia central (MTC): Nos señala un valor alrededor del cual se

distribuyen todos los valores de la muestra. Según el tipo de escala en el que

estén medidas las variables podremos utilizar:

� Moda (Mo): Valor que más se repite dentro de una distribución de datos.

Puede calcularse con cualquier tipo de escala.

� Mediana (Md): Valor que deja a ambos lados el 50% de los datos. Es decir,

dado un conjunto ordenado de valores, la mediana es exactamente el valor

central de la distribución. Puede calcularse a partir de la escala ordinal.

� Media (X, µµµµ): Es la suma de valores de la distribución dividida por el número

total de valores. Se calcula a partir de la escala de intervalo.

� Medidas de Dispersión (MD): En términos generales, las medidas de dispersión

nos señalan la forma en la que los datos se distribuyen alrededor de un valor

central o entre ellos. Según el tipo de escala en el que estén medidas las variables,

podremos utilizar:



16

� Amplitud Total (AT): Es la diferencia entre el valor mayor y el menor. Se

puede calcular a partir de datos medidos en escala ordinal.

� Desviación Media (DM): Es la media de las distancias de cada valor a la

media. Se calcula a partir de datos medidos en escala de intervalo.

� Desviación o Amplitud Semiintercuartil (D Q): Es la mitad de la diferencia

entre el tercer y el primer cuartil. Se calcula a partir de datos medidos en escala

de intervalo.

� Desviación Típica (S, σσσσ). Varianza (S 2, σσσσ2): La primera es la raíz cuadrada del

cuadrado medio de las desviaciones. La Varianza es el cuadrado medio de las

desviaciones. Se calcula con datos al menos medidos en escala de intervalo.

� Coeficiente de Variación o Dispersión Relativa (CV) : Es el resultado de

dividir la Desviación Típica por la Media. Habitualmente se multiplica por 100

para obtener un porcentaje de variación, de tal manera que si éste supera el

33% se dirá que la distribución es heterogénea.

o Descriptivos bivariados

Cuando se analizan dos variables de manera conjunta, esta comparación

puede hacerse desde dos perspectivas, la primera sería comparando sus

características univariadas, la segunda sería analizando las relaciones existentes entre

ellas (Escobar, 1999).

En este apartado se va a hacer referencia al segundo caso, el de la relación o

asociación dependiendo del tipo de variables con el que se trabaje.

Medidas de Relación y/o asociación (r): Estas medidas hacen referencia al

grado de asociación (no necesariamente de causa-efecto) que existe entre dos o

más variables. Dependiendo de la escala en la que están medidas las variables

se calculará de forma diferente. Tenemos, entre otras, las siguientes medidas de

asociación para el caso más simple de relación entre dos variables, atendiendo al

tipo de escala en las que están tomadas las variables a asociar.

� Chi² o el Coeficiente de Contingencia (C): Variables nominales.

� Spearman (rs). Variables de Intervalo u ordinal.

� Pearson (rxy): Relación entre dos variables al menos de intervalo.



17

Cuadro 1 Valores aproximados de interpretación de la magnitud de una correlación5.

0 Correlación nula (independencia)

0-0’20 Correlación muy baja

0’20-0’40 Correlación baja aunque puede llegar a ser significativa.

0’40-0’60 Correlación de tipo medio

0’60-0’80 Correlación alta

0’80-1 Correlación muy alta

1 Correlación perfecta

o Descriptivos multivariados

Las técnicas multivariadas se van a caracterizar por utilizar conjuntamente más de dos

variables, y su clasificación va a basarse en tres aspectos (Martínez Árias, 1999):

1. división de las variables en dependientes e independientes,

2. número de variables dependientes implicadas (si las hay),

3. nivel de medida de las variables (escalas).

El primero de los aspectos nos clasificará los métodos en técnicas de

dependencia o de interdependencia (semejantes a las explicativas o descriptivas,

según Ferrán Aranaz, 2001), según sea el objetivo: pronosticar (dependencia) o

encontrar una estructura subyacente (interdependencia).

Dentro del primer objetivo, el de pronosticar, será en donde se precisará tener

respuesta para las cuestiones 2 y 3, sobre el número de variables dependientes y el

nivel de medida, puesto que ello será fundamental para la elección de la prueba o

pruebas acertadas. En este sentido, la Figura 7 muestra un árbol de decisión para la

selección de la técnica multivariada adecuada (tomado de Hair et al, 1999, pp 16-17).

5 Debe tenerse en cuenta que algunos coeficientes no siguen el patrón ±1, por ejemplo C o χ2.



18

Figura 7 Árbol para la selección de una técnica multivariante

Entre las técnicas más utilizadas nos encontramos:

Técnicas de Dependencia

� Regresión y correlacion Lineal: La Figura 8 muestra el caso más sencillo de

predicción lineal para dos variables (Regresión lineal simple). Lo que pretende

es predecir la puntuación en una variable dependiente (criterio) a partir de las

puntuaciones en la/s independiente/s (predictora/s).

Figura 8- Representación gráfica de la regresión lineal simple.

¿Qué tipo de relaciones están

siendo examinadas?

Dependencia Interdependencia

¿Cómo son los atributos?

¿Cuántas variables están prediciendo o explicando?

La estructura de relaciones es

entre:

¿Cuál es la escala de medida de las

variables dependientes?

A. Correlación Canónica

A. Correlación canónica con variables ficticias

Análisis Factorial

MANOVA

¿Cuál es la escala de

medidade las variables

predictoras?

Métrica No Métrica


Regresión múltiple

A. de conjunto

A. Discriminante múltiple

Modelos de probabilidad

lineal


¿Cuál es la escala de medida de las

variables dependientes?

Modelo de ecuaciones estructurales

Análisis Cluster

Múltiples relaciones de vv. dd. y vv. ii.

Varias vv. dd. en una relación única

una vv. dd. en una relación única

Escalamiento Multidimensional

A. de correspondencias

Métrico No Métrico

No Métrico

Variables Objetos Casos/encuestados



19

Técnicas de Interdependencia

� Análisis de Conglomerados (Cluster) (AC): Es una técnica para formar

grupos basándose en su semejanza en una serie de características, de forma

que el resultado sea la formación de grupos altamente homogéneos

internamente y altamente heterogéneos entre ellos. (Real, 2001).

� Análisis Factorial (AF): Su objetivo es, a partir de los niveles comunes de

variabilidad, descubrir las diferentes dimensiones existentes en un grupo de

variables (García Jiménez et al. 2000). Los factores los extrae a través de

distintos métodos el más utilizado es el de Componentes Principales:

Maximizando la varianza explicada. Por eso, en este caso, el primer factor es el

que más varianza explica.

No es intención de este curso aprender a desarrollar estas técnicas complejas,

más bien conocerlas para poder interpretar, sugerir o planificar acciones sabiendo que

existen y que se utilizan en los estudios de tipo sociales como el que estamos

enfocando.

Para completar la información aquí brindada se puede consultar la bibliografía

dispuesta a continuación y el dossier teórico-práctico de las profesoras Reina

Ferrández Berrueco y Maria Paola Ruiz, que en breve se publicará en el portal de la

Universidad Jaume I de Castellón.



20

BIBLIOGRAFÍA

ALIAGA, F. (1998) Proyecto Docente. Universidad de València (no publicado).

ALIAGA, F. (2000) Bases epistemológicas y proceso de investigación psicoeducativa.

Valencia: CSV.

ANGUERA, M.T. (1991) La observación como metodología básica de la investigación

en el aula. En O. Saens. (Ed.) Prácticas de enseñanza, Proyectos curriculares

y de investigación acción. Marfil. Alcoy.

APA, (1992) Ethical principles of psychologists and code of conduct.

www.apa.org/ethics/.

ARNAU, J. (1995) Metodología de la investigación psicológica. En M.T. Anguera, J.

Arnau, M. Ato, R. Martínez, J. Pascual y G. Vallejo (Eds.) Métodos de

investigación en Psicología. Ed. Síntesis. Madrid (pp.23-43).

BARTOLOMÉ, M. (1994b) La investigación cooperativa . En V. García Hoz Ed.

Problemas y métodos de investigación en educación personalizada. Rialp.

Madrid. pp. 376-403.

BISQUERRA, R. (2000) Métodos de Investigación Educativa, guía práctica. Ed. CEAC,

SA. Barcelona.

BLACK, H.M. (1999) Doing quantitative research in the social sciences. An integrated

approach to research design, measurement and statistics. Sage. Londres.

BOGDAN, R.C. y BIKLEN, S.K. (1982) Qualitative research for education: an

introduction to theory and method. Allyn and Bacon. Boston (2ªed.).

BRASKAMP, L. A., BRANDENBURG, D. C. & ORY, J. C. (1984) Evaluating teaching

effectiveness: A practical guide. Sage Publications.

BUENDÍA, L. (1998a) La investigación observacional. En L. Buendía, P. Colás y F.

Hernández (Eds.) Métodos de investigación en psicopedagogía. McGraw Hill

interamericana de España. Madrid.

BUENDÍA, L. COLÁS, P y HERNÁNDEZ, F. (1998) Métodos de investigación en

psicopedagogía. McGraw Hill interamericana de España. Madrid.



21

BUENDÍA, L. y BERROCAL, E. (2001) La ética de la Investigación educativa. En

Ágora digital, nº1. 1er. Semestre.

CAMPBELL, D.T. y STANLEY, J.C. (1963) Experimental and Quasi-experimental

designs for research on teaching. En N.L. Gagé (Ed.) Handbook of research

on teaching. Rand McNally. Chicago.

CAMPBELL, D.T. y STANLEY, J.C. (1966) Experimental and quasi-experimental

designs for research. Rand McNally. Chicago (Traducido en 1973 por

Amorrortu, Buenos Aires, con el título Diseños experimentales y cuasi-

experimentales en investigación social).

CASTEJÓN, J.L. (1997) Introducción a los métodos y técnicas de investigación y

obtencion de datos en psicología. Club Universitario. Alicante.

COLÁS, P.(1998) Enfoques en la metodología cualitativa: sus prácticas de

investigación. En L. Buendía, P. Colás y F. Hernández (Eds.) Métodos de

investigación en psicopedagogía. McGraw Hill interamericana de España.

Madrid. pp. 252-286.

COOK, T.D. y CAMPBELL, D.T. (1979) Quasi-experimentation design and analysis

issues for fields settings. Randy McNally. Chicago.

COOK, T.D., CAMPBELL, D.T. y PERACCHIO, L. (1990) Quasi experimentation. En

M.D. Dunnette y L.M. Hough (Eds.) handbook of industrial and organizational

Psycology (vol.1) Consulting Psychologist Press. Palo Alto. (2ª ed.) pp. 491-

576

CRESWELL, J.W. (1998). Qualitative Inquiry and research design. Choosing among

five traditions. Thosand Oaks, CA: Sage.

De La ORDEN, A. (Ed.) (1985a) Diccionario de Ciencias de la Educación. Anaya.

Madrid.

Del RINCÓN, D., ARNAL, J., LATORRE, A. Y SANS, A. (1995). Técnicas de

investigación social. Madrid: Dykinson.

DENZIN, N.K. y LINCOLN, Y. (Eds.) (1994) Handobook of qualitative research. Sage.

Londres.



22

ERICKSON, F. (1985) Qualitative methods in research on teaching en Wittrock, M. C.

(Ed.) Handbook of research on teaching (3ª ed.) NY: MacMillan. (pp. 119-

161).

EVERSTON, C. M. & HOLLEY, F. M. (1981) "Classroom observation"en Millman, J.

(Ed.) Handbook of teacher evaluation. Sage Publications (pp. 90-109).

FERRÁN ARANAZ, M. (2001) SPSS para Windows. Madrid: McGraw-Hill.

FOSSATI R. y BENAVENT, J.A. (1998) El modelo clinico y la entrevista. En Bisquerra

Alzina, R. (Coord.). Modelos de orientación e intervención psicopedagógica.

Barcelona: Praxis. pp. 71-83.

GARCÍA JIMÉNEZ, E. GIL FLORES, J y RODRIGUEZ GÓMEZ, G. (2000) Análisis

Factorial. Colección Cuadernos de Estadística. La Muralla. Madrid.

GARCÍA RAMOS, J.M. (1986) Validación de constructo en el ámbito pedagógico.

Revista Española de Pedagogía, 174. pp.535-554.

GARRET, H.E. (1983) Estadística en Psicología y Educación. (2ª ed.) Barcelona:

Paidós.

GAVIRIA, J.L. (2000) Cambios en las técnicas cuantitativas en la investigación socio-

educativa. Actas del XII Congreso Nacional y I Iberoamericano de Pedagogía.

Madrid.

GOETZ, J.P. y LECOMPTE, M.D. (1988) Etnografía y diseño cualitativo en

investigación educativa. Morata. Madrid.

GUBA, E. G. y LINCOLN, Y. S. (1981) Effective evaluation. Jossey Bass. San

Francisco.

HERNÁNDEZ PINA, F. (1998) Conceptualización del proceso de la investigación

educativa. En L. Buendía, P. Colás y F. Hernández (Eds.) Métodos de

Investigación en Psicopedagogía. McGrau Hill Interamericana de España.

Madrid.



23

HOLLEY, F.M. (1979) Teacher testing, teacher evaluation and research on teaching:

Covering fields?. Presentado en la Annual Meeting of the American

Educational Research Association, San Francisco.

JORNET, J.M. (1987) Una aproximación teórico-empírica a los métodos de medición

de referencia criterial. Tesis doctoral. Universitat de Valencia.

JORNET, J.M. (2004) Avances de la medida en ciencias de la educación y su

proyección en contextos multiculturales. La Educación en contextos

multiculturales. Diversidad e identidad. Valencia. SEP (pp. 609-634).

KAPLAN, A. (1964) The conduct of inquiry. Chandler. San francisco.

KALTON, G. (1983) Introduction to survey sampling. Sage University Papers. Beberly

Hills, California.

KERLINGER, F.N (1985) Enfoque conceptual de la investigación del comportamiento.

Nueva editorial Interamericana. Mexico.

KERLINGER, F.N. y LEE, H.B. (2000) Foundations of behavioral research. Harcourt

College Publishers. Orlando (4ª ed.).

KRATHWOHL, D.R. (1997) Methods of educational and social science research: An

integrated approach. Longman. Nueva York.

LEÓN, O.G. Y MONTERO, I. (2002). Métodos de Investigación en Psicología y

Educación. Madrid: Mc Graw-Hill.

LINCOLN, Y. S., y GUBA, E. G. (1985). Naturalistic inquiry. Thousand Oaks: Sage.

LOSADA, J.L. y LÓPEZ-FEAL, R. (2003) Métodos de Investigación en Ciencias

Humanas y Sociales. Ed. Thomson, Madrid.

MARTÍNEZ ÁRIAS, R. (1995) Diseños muestrales probabilísticos. En M.T. Anguera, J.

Arnau, M. Ato, R. Martínez, J. Pascual y G. Vallejo (Eds.) Métodos de

investigación en Psicología. Ed. Síntesis. Madrid.

MARTÍNEZ ÁRIAS, R. (1999) El análisis multivariante en la investigación científica.

Colección Cuadernos de Estadística. La Muralla. Madrid.



24

MATEO, J. (1988) Medición educativa. Estado de la cuestión en el ámbito español. En

I. Dendaluce (Ed) Aspectos metodológicos de la investigación Educativa.

Actas del II Congreso Mundial Vasco. Narcea. Madrid.

MILES, M.B. y HUBERMAN, A.M. (1994) Qualitative data analysis. A source of new

methods. Sage. Newbury Park, CA.

ORELLANA, M.N. (2002) Bases Metodológicas de la Investigación Educativa.

PASCUAL J. FRÍAS, D. y GARCÍA, F. (1996) Manual de Psicología experimental.

Ariel. Barcelona.

REAL, J.E. (2001) Escalamiento multidimiensional. Colección Cuadernos de

Estadística. La Muralla. Madrid.

RODRÍGUEZ GÓMEZ, G.; GIL FLORES, J. y GARCÍA JIMÉNEZ, E. (1996):

Metodología de la investigación cualitativa. Málaga, Aljibe.

SANDÍN, M.J. (2003) Investigación cualitativa en educación. Fundamentos y

tradiciones.McGrau Hill. Madrid

SANS MARTÍN, A. (1997) La investigació d’enfocament experimental. Colección:

Temes universitaris básics. Barcelona. EDIUOC

SIMON, A. & BOYER, E.C. (1967) Mirrors for behavior: an anthology of classroom

observation instuments. (6 vols.) Philadelphia: Research for Better Schools.

STALLINGS, J. (1977) Learning to look. Belmont, CA: Wadsworth.

STURMAN, A. (1999) Case study methods. En J.P. Keeves y G. Lakomski (Eds.)

Issues in educational research. Pergamon. Netherlands

SUÁREZ, J.M. (1989) Proyecto Docente. Métodos de Investigación y Diagóstico en

Educación. Universitat de Valencia.

TEJEDOR, F.J. (1995) La investigación educativa y su contribución al desarrollo de la

innovación. Bordón, 47(2). pp. 177-194

TEJEDOR, F.J. (2000) El diseño y los diseños en evaluación de programas. Revista

de investigación educativa 18(2). pp. 319-340.

Lic. Maria Paola Ruiz Técnicas para el análisis de...

Documents

Transcript of Lic. Maria Paola Ruiz Técnicas para el análisis de...