Professional Documents
Culture Documents
EN EDUCACIN
Segunda edicin
Lima, octubre de 2013
Tiraje: 1000 ejemplares
Hecho el Depsito Legal en la Biblioteca Nacional del Per N. 200711767 ISBN: 978-9972-46-333-4
Diseo y diagramacin: Centro de Produccin Editorial e Imprenta de
la Universidad Nacional Mayor de San Marcos - CEPREDIM
ndice
Presentacin
15
23
23
27
33
55
58
65
85
86
95
116
121
123
123
128
129
130
133
146
147
152
153
154
155
155
162
164
Captulo V. Muestreo
1. Poblacin y muestra
2. Tamao de la muestra
3. Error de muestreo
4. Ventajas de la tcnica de muestreo
5. Muestreo probabilstico
6. Muestreo no probabilstico
169
173
178
178
179
192
197
199
200
201
202
203
206
220
229
241
242
250
250
251
Bibliografa
255
PRESENTACIN
Ante los hechos de la realidad en la que vive, el hombre asume
distin-tas actitudes. La actitud cientfica es una de ellas, y la que ms
le convie-ne, porque le permite un mayor acercamiento a la verdad.
Sin embargo, esta actitud la asume el hombre muy tardamente en su
historia; por de-cenas de miles de aos el hombre actu en la realidad
asumiendo otros tipos de actitudes, no necesariamente las cientficas.
En todo este tiempo, sus actitudes han sido mgicas, religiosas,
ingenuas, mticas, dogmticas, esotricas, entre otras.
Es cierto que estas actitudes ante los hechos le han proporcionado
resultados, aunque no tan eficaces como los hubiera logrado aproximndose a la realidad asumiendo la actitud cientfica. Se dice que sta es una
actitud tarda en occidente, porque se reconoce a Tales de Mileto, quien
vivi hace ms o menos 2500 aos, como el primer cientfico occidental
porque pensaba hipotticamente, es decir, ante los hechos de la realidad,
propona explicaciones provisionales, pero plausibles, que luego demostraba a la luz de la evidencia emprica. l sostena que el agua era el
principio de todas las cosas y planteaba la hiptesis de si a una plantita no se
la regaba, la plantita morira y, por el contrario, si a esa plantita mori-bunda
se la regaba, sta revivira. Someta sus hiptesis a contraste con los hechos,
y si los hechos corroboraban lo hipotticamente planteado, daba por vlidas
sus hiptesis o las rechazaba, en caso contrario. Este es un es-tilo de
pensamiento totalmente diferente al pensamiento mtico, mgico o religioso,
porque recurre a la verificacin emprica, a la evidencia que proporcionan
los hechos, para establecer si nuestras afirmaciones acerca de la realidad
coinciden con ella o, por lo menos, son viables o valederas.
11
Captulo I
EL MTODO DE LA
CIENCIA
conocimiento cientfico es muy posible que existan sectores del conocimiento en los que los investigadores an no han desarrollado
investigaciones; en este caso es posible plantear problemas de investigacin orientados a llenar tales vacos de la ciencia. Un caso que
ilustra claramente esta idea es la novsima investigacin que se est
realizando actualmente sobre el aprendizaje: hasta antes del
planteamiento de las nuevas hiptesis que sostienen que el apren-dizaje
tiene bases neurofisiolgicas, este tema era abordado por los
investigadores de manera muy superficial. Se formulaban hiptesis en
el sentido de que el aprendizaje era un proceso de adquisicin de
conocimientos que progresaba en base a ensayos o errores o, como lo
crean los psiclogos conductistas, era un problema de modifi-cacin
masiva de conductas. Lo cierto es que con el auxilio del en-foque
neurofisiolgico se llega a la conclusin de que muy poco se sabe
sobre el aprendizaje. As la investigacin en este terreno resulta siendo
novsima y transforma los paradigmas de la pedagoga y de la
psicologa. Tambin posee caracteres de novedad y, por tanto, de ser un
intento de llenar los vacos de la ciencia, la investigacin que se est
realizando en el campo de la biologa con respecto al geno-ma humano
o con respecto al cdigo gentico, cuya manipulacin, segn los
recientes avances, permitira prevenir las enfermedades y hasta
controlar el envejecimiento de clulas y tejidos.
b) Como la ciencia es un quehacer falible, que deja abiertas las posibilidades a que teoras cientficas, aceptadas en un momento,
dejen de tener validez en otros, y que la replicacin se encargue de
aportar la evidencia emprica en contra, se considera que muchas
investigaciones se orientan a corregir los errores de la ciencia ya
que como ella es falible, ella misma debe corregirse. As se plantean problemas de investigacin orientados a corregir los errores de
la ciencia, como por ejemplo, la investigacin que establece que los
nios son zurdos o diestros, no por malas costumbres que adquieren
en la escuela, sino porque existe la evidencia de que el cerebro
humano tiene dos lbulos, y que del dominio de uno de ellos
depende que un nio sea zurdo o sea diestro. Esta es una tesis que
corrige la clsica concepcin pedaggica de suponer que los nios
escriben con la mano izquierda por razones de indisci-plina o por
contradecir a sus maestros.
18
3 Formulacin de hiptesis. Identificados los problemas de investigacin con ayuda y a partir de conocimientos previos, corresponde
identificar hiptesis, explicaciones plausibles a los problemas planteados. Se dice que las hiptesis deben ser explicaciones plausibles
a los problemas planteados porque, para ser consideradas viables,
deben poseer slido sustento terico. Es cierto que se puede y se
debe plantear hiptesis audaces, pero as como se plantean hiptesis
audaces, los investigadores deben ser muy rigurosos al momento de
someter a prueba tales hiptesis.
Las hiptesis son formulaciones que se plantean en forma de respuesta a los problemas de investigacin que, como es recomendable
para estas ltimas, deben estar planteadas en forma de preguntas. El
investigador, al formular hiptesis, asume una posicin respecto a
la teora existente y pretende explicar el problema de investigacin
planteado recogiendo la evidencia emprica que abone en pro o en
contra de sus hiptesis.
Las hiptesis son conjeturas, suposiciones, juicios a priori, que tratan
de explicar los problemas de investigacin. Esta etapa del mtodo
cientfico se considera la ms importante pues, en este momento, el
investigador ensaya explicaciones para lo que l considera situacin
problemtica en el conocimiento del tema que estudia.
4 Contraste de las hiptesis con la evidencia de los hechos. Una vez
formuladas las hiptesis, que tienen la pretensin de constituirse en
explicaciones a los problemas, el investigador debe someter sus hiptesis a la prueba emprica de los hechos. Este es el proceso de
contraste de las hiptesis. Para cumplir esta etapa, el investigador debe
trazar una estrategia, la ms adecuada posible, para asegurar el xito en
el proceso de la prueba emprica. En esta etapa del mtodo, el
investigador aplica tambin sus instrumentos de acopio de datos y
recoge informacin de la realidad en la que investiga.
El proceso de contraste de hiptesis consiste en buscar evidencia
emprica que corrobore o refute lo planteado por la hiptesis. De esta
situacin puede suceder, por una parte, que la evidencia de los hechos,
es decir, los datos que se recojan de la realidad puedan corro-borar,
apoyar o confirmar lo hipotticamente planteado. Pero puede ocurrir
tambin la situacin contraria: la evidencia que se recoja de
19
22
25
4. LAS HIPTESIS
Si se tiene en cuenta la denominacin del mtodo cientfico que se
expone: hipottico deductivo, se tendr que decir que lo ms importante
en el proceso metodolgico de la ciencia es formular hiptesis. Y parece
que esto es as. Todo en la ciencia es hipottico. Nada se comprueba
total o terminalmente. Entonces pues, con la formulacin de las
hiptesis se pone en marcha, realmente, el proceso de investigacin. As,
las hiptesis resultan siendo las formulaciones ms importantes que
orientan todo el proceso de la investigacin.
Formalmente una hiptesis, explicativa se entiende, debe contener
los siguientes elementos:
a) Las variables de estudio. Una o ms variables independientes que
se asocien con una variable dependiente; por ejemplo, mtodo didctico de resolucin de problemas y, motivacin por los estudios
(variables independientes) asociadas con calidad de los aprendizajes
en la asignatura de matemtica (variable dependiente).
b) El elemento relacional. Es el nexo lgico gramatical que
permite vincular las variables propuestas, por ejemplo: influyen.
c) La poblacin de estudio. Son los sujetos que sern objeto de estudio,
por ejemplo, alumnos del quinto ciclo de Ingeniera de Sistemas y,
d)
El mbito de referencia. Es el escenario en el que se realizar la investigacin, por ejemplo, la Universidad Nacional Mayor de San Marcos.
Pero en la investigacin de la conducta, como se explicar ms adelante, es muy frecuente suponer que no Solo una variable independiente
pueda producir los efectos que se observan en la variable dependiente, sino
que varias variables independientes actan conjuntamente para producir el
efecto. En este caso, la formalizacin de la hiptesis es como sigue:
m2 >m1
Que puede leerse como: el rendimiento medio del grupo A es ms
alto que el rendimiento medio del grupo B.
A manera de ejemplo, en el Cuadro N 1, se proporcionan algunas
alternativas para redactar problemas e hiptesis cientficas. Ntese que
Solo se consignan las variables, independiente y dependiente, y el elemento relacional. No aparecen ni la poblacin de estudio ni el mbito de
referencia, elementos que se pueden aadir a estos formatos bsicos.
En estas formulaciones se observa que la relacin se plantea entre dos variables: X y Y, lo que significa que se est trabajando con problemas e hipte-sis
bivariadas. Pero, como se ha dicho, en la investigacin de la conducta, en la
generalidad de los casos, varias variables independientes producen el efec-to
que se estudia. En el Cuadro N 2 se puede apreciar formatos bsicos para
redactar problemas e hiptesis multivariadas, llamadas tambin factoriales.
31
Cuadro N 1
Cuadro N 2
32
5. TIPOS DE INVESTIGACIONES
No todas las investigaciones son de un mismo tipo. Existen
diferentes y variados tipos de investigacin. La bibliografa refiere
una gama muy amplia de tipos de investigacin que aparece en forma
poco sistematiza-da. La sistematizacin de esta diversa gama de tipos
de investigaciones se puede hacer estableciendo algunos criterios
pertinentes segn los cuales es posible clasificarlas.
Para realizar una correcta clasificacin es conveniente tener en cuenta dos principios: la exhaustividad y la exclusin. Una clasificacin es
exhaustiva cuando, a partir de un determinado criterio, los elementos a
clasificar se incluyen en una de las categoras de la clasificacin, sin que
sobre ningn elemento: Una clasificacin es excluyente cuando el
elemento que se est clasificando se ubica en una de las categoras de la
clasificacin. Jams este elemento puede estar ubicado en ms de una
categora al mismo tiempo.
En un intento de poner orden en esta complicada serie de
alternativas de tipificacin de las investigaciones, proponemos los
siguientes criterios para tipificar o clasificar las investigaciones.
1 Segn el tipo de conocimientos previos que sirven de partida
Segn este criterio, las investigaciones pueden ser:
a) Filosficas.
b) Cientficas.
Si un investigador emplea marcos tericos o conceptos filosficos,
sus investigaciones sern filosficas. En cambio, si un investigador
emplea marcos tericos derivados de la ciencia, sus investigaciones
sern cientfi-cas. No es posible admitir la existencia de investigaciones
no cientficas, porque los conocimientos no cientficos se construyen en
base a la opi-nin, al dogma, a la intuicin, o al capricho. Por eso no es
posible ad-mitir la existencia de investigaciones no cientficas, pero s se
reconoce la existencia de conocimientos no cientficos y an se puede
decir que tales conocimientos no cientficos se han producido de modo
distinto a cmo se produce el conocimiento cientfico.
Como se ha dicho, los conocimientos no cientficos derivan del dogma y
no de la razn, motivo por el cual en tales tipos de conocimientos no es
33
34
36
37
2.
38
se denomina experimentales, precisamente porque con la experimentacin llegan a las explicaciones ms precisas y esclarecedoras. De ah que a estas ciencias se las reconozca como
ciencias duras o ciencias bsicas. En cabio, no puede decirse lo
mismo de las ciencias sociales, por lo anteriormente dicho: al
estudiar la conducta humana, el cientfico social encuentra que
esta variable es elusiva e impredecible y por tanto es im-posible
hacer experimentos y, en consecuencia, resulta difcil y
complejo explicar la conducta humana.
3.
X, la variable independiente, necesariamente ocurrir Y, la variable dependiente. Muchas veces un estudiante no alcanza los
altos estndares de rendimiento acadmico esperados debido a
otras causas, tales como sus aptitudes vocacionales deficitarias o
sus limitadas motivaciones personales para el estudio.
Investigacin retrodictiva. La retrodiccin es la descripcin o
la explicacin del pasado, de ah que la forma de plantear problemas retrodictivos sea: cmo fue X? Algunas ciencias son
retrodictivas por naturaleza, como la historia o la arqueologa, y
en otras se utiliza el enfoque retrodictivo para ensayar explicaciones del pasado, como en el caso de la investigacin que
hizo Darwin acerca de la evolucin de las especies. Darwin,
ubicado en su tiempo presente, como no poda ser de otro modo,
rastreaba hacia el pasado. En la educacin se pueden plantear
investigaciones retrodictivas cuando se pretende sa-ber cmo fue
la educacin peruana en los primeros aos de la repblica o qu
caractersticas tuvo la educacin en Amrica en la poca pre
colombina. Los enfoques histricos de diversas ciencias utilizan
el mtodo retrodictivo.
b) Investigaciones prcticas
Las investigaciones prcticas o tecnolgicas, como se ha dicho,
plan-tean la modificacin o la transformacin de la realidad en
trminos ms convenientes para el hombre, de ah que la forma de
plantear preguntas de investigacin de tipo prctico sea la siguiente:
qu ha-cer para transformar la situacin a en la situacin b?
4 Segn el mtodo de contrastacin de las hiptesis
Las investigaciones, segn el mtodo que se emplee para
contrastar las hiptesis, pueden seguir la secuencia a) causa-efecto o
bien la secuencia b) efecto-causa. Segn sea la secuencia del mtodo,
las investigaciones pueden ser:
a) De causa a efecto.
b) De efecto a causa.
a) De la causa al efecto. Cuando se procede en la secuencia causa-efecto, lo que se hace es manipular, activar u observar las causas para
41
con denominaciones tales como: masculino o femenino, nacional o extranjero, vivo o muerto, soltero, casado, conviviente, viudo o
divorciado. En estos casos, las denominaciones de las variaciones de la
variable Solo expresan los nombres de la variable. No expresan, de
ninguna manera, cantidad ni magnitud. Pertenecer al gnero masculino
no significa ser ms ni menos que pertenecer al gnero femenino: ser
soltero o casado no implica cantidad, no se puede decir que alguien es
soltero y esta situacin vale tres puntos, o casado y esta otra situacin
vale cinco puntos. En estos casos lo que se tiene en cuenta es
simplemente la constatacin fctica de la manera cmo vara la variable.
Cuando las investigaciones se hacen utilizando variables que no pueden
cuantificarse se dice que se hace in-vestigacin cualitativa.
En los ltimos aos ha surgido una polmica interesante al respec-to.
Los nuevos investigadores sostienen que una autntica investigacin
cientfica debe realizarse Solo aplicando el enfoque cualitativo. Quienes
sostienen este argumento afirman que los intentos de cuantificacin de
ciertas variables han fracasado y ante tal fracaso Solo cabe hacer investigacin cualitativa. Otros autores sostienen que sta no es la posicin
correcta, pero s reconocen que algunas variables no pueden
cuantificarse, en cuyo caso corresponde realizar investigacin
cualitativa, pero se reco-noce que existen muchas otras variables
susceptibles de ser expresadas en cantidades, susceptibles de medirse y,
en este caso, la investigacin es, en estricto sentido, cuantitativa.
Las investigaciones cualitativas se denominan tambin investigaciones
etnogrficas o comprensivas y emplean, por lo general, el mtodo hermenutico para an alizar los datos que recogen. Este mtodo se denomina
hermenutico porque pretende interpretar y comprender determinadas
variables en sus respectivos contextos tmporo-espaciales.
La investigacin cuantitativa se realiza cuando el investigador mide las
variables y expresa los resultados de la medicin en valores numricos. Se
puede decir que una variable es cuantitativa cuando de sus elementos se
puede hablar en trminos de ms o menos. Por ejemplo, si se compara a
dos alumnos por su inteligencia, se puede decir que uno es ms inteligente de que el otro. En este caso, la variable inteligencia es una variable
cuantitativa. Tambin estamos ante una variable cuantitativa cuando decimos que una persona es ms alta que la otra. Como se ha dicho, cuando
44
Captulo II
LAS
VARIABLES
57
2 Por su naturaleza
Segn este criterio, las variables pueden ser:
a) Atributivas.
b) Activas.
Se denominan variables atributivas porque las caractersticas que poseen las personas o los objetos de estudio son consustanciales a su natu59
raleza, son caractersticas que no pueden desarticularse de quienes las poseen. Inteligencia, personalidad, xito acadmico, hbitos de estudio, edad,
sexo, peso, talla, etc., son todas ellas, variables atributivas pues quienes las
poseen las tienen como cualidades personales o particulares, son inseparables de las personas que las poseen, son sus atributos propios y, como es
natural, no pueden manipularse. Para estudiar este tipo de variable se debe
emplear la observacin. Por eso, cuando se disea la estrategia para probar
las hiptesis de una investigacin se debe tener en cuenta la na-turaleza de
las variables que se estudian, y si las variables son atributivas, no se podr
realizar ninguna manipulacin y para estudiarlas se debern elaborar
instrumentos de observacin o de medicin que permitan reco-pilar
informacin acerca de sus caractersticas.
En cambio, las variables activas no son consustanciales a la persona u
objeto de estudio. Por ejemplo, los mtodos de enseanza, el currculo de
formacin profesional, el horario de clases, los profesores que se asignan
para conducir los cursos, la institucin en la que se realiza la formacin
profesio-nal, los materiales o el equipamiento que se emplea, etc., son
variables total-mente ajenas al ser de los sujetos de estudio y, por tanto, en
estos casos, al disear estrategias de contraste de hiptesis, se debe aplicar
tcnicas de manipulacin, es decir, se puede ensayar distintos horarios de
clase, apli-car diversos tipos de currculo o poner en prctica diversos
mtodos de enseanza para establecer sus efectos sin afectar, con tales
tratamientos, la esencia de las personas. Este tipo de variables puede, segn
los casos, estimarse cualitativa o cuantitativamente.
del muerto, pues las caractersticas del vivo son totalmente distintas
de las caractersticas del muerto, as como las caractersticas del
muerto son totalmente distintas a las caractersticas del vivo. La
distincin entre vivo y muerto es completamente clara, terminante, y
de ah su nombre: cate-grica. En este caso es imposible confundir y
no saber si alguien est vivo o est muerto, porque la evidencia es de
claridad meridiana. Lo mismo ocurre con el gnero, pues resulta
evidente que alguien es hombre o mu-jer. Tanto hombre como mujer
son sujetos que ostentan caractersticas diferentes, inconfundibles.
Cuando se estudian variables categricas no es necesario emplear instrumentos de medicin, pero s instrumentos de observacin o constata-cin,
cuando sea necesario, para distinguir unas de otras caractersticas y luego
constatar una u otra variacin. El resultado de estas observaciones no se
puede expresar en cifras, ni mucho menos en cifras decimales, por-que
alguien no puede, por ejemplo, estar muerto en 2,56 puntos, pues es
imposible medir la condicin de estar vivo o de estar muerto. Se asigna la
condicin de vivo o muerto como resultado de una constatacin fctica de
una situacin que es, a todas luces, evidente. Los instrumentos que se
aplican para estudiar este tipo de variable son, entonces, las guas de
observacin, el anlisis documental, la lista de cotejo, entre otros.
Las siguientes son variables categricas: sexo, nacionalidad, estado
civil, lugar de residencia, opcin ideolgica, tipo de gestin institucional,
etc. Los valores que adquieren todas ellas son evidentes y se pueden
constatar en los hechos. Por ejemplo, alguien es soltero, o casado, o viudo o
divorciado, y no puede ser que algunas veces sea soltero y otras sea casado.
Tampoco puede ser el caso que alguien est en el trmino medio entre la
soltera y el matrimonio, que haya una continuidad entre estos dos niveles
de variacin. Para constatar que alguien es, por ejemplo, casado, habr que
tener a la vista su partida de matrimonio, es decir, por la va del anlisis
documental se puede constatar su estado civil.
62
10
Grfico N 1
En esta escala de 10 intervalos, el intervalo comprendido entre el
6 y el 7 se ha dividido en partes iguales. As, si el resultado de un
proceso de medicin cayera en el punto sealado por el aspa, se
puede decir que el resultado de esta medicin es 6,5, por ejemplo.
Como se acaba de ver, una variable continua puede convertirse en
categrica. A esta cualidad se denomina degradacin de la variable.
Pero una variable categrica no puede convertirse en continua: una
variable categrica tpica, como condicin de vida, que vara en vivo
o muerto, no puede degradarse en continua y asumir valores como
ms o menos vivo, ms o menos muerto; los valores vivo o muerto,
por ser categricos, ya no pueden subdividirse en intervalos menores.
4 Por el mtodo de medicin de las variables
Atendiendo a este criterio, las variables pueden ser:
a) Cuantitativas.
b) Cualitativas.
Se denominan variables cuantitativas cuando se pueden medir en
escalas numricas, como por ejemplo, la escala de inteligencia, la escala de
xito acadmico, la escala de ansiedad, etc. La tradicin cientfica de
occidente se distingue por la bsqueda de sistemas de medicin de los
fenmenos que se observan y as, la medicin es ms precisa, como en el
caso de la medicin del tiempo o del espacio que, por el avance cientfico,
es posible expresar sus valores en fracciones infinitamente pequeas. En
cambio, otros fenmenos o variables, especialmente las que se estudian en
las ciencias sociales, an no pueden ser medidas con la exactitud con
Las variables cuantitativas pueden expresarse numricamente en trminos de cantidades. Son variables cuantitativas: la inteligencia, el
nivel de rendimiento acadmico, la talla, el peso, la edad, la motivacin
por los estudios, la condicin socioeconmica, los niveles de desercin,
la calidad del currculo, etc. Las variables cuantitativas, para efectos de
mejorar la pre-sentacin de los datos, pueden convertirse en cualitativas,
es decir, sufren el proceso de degradacin. Por ejemplo, el nivel de
rendimiento acad-mico, medido con una escala vigesimal, para efectos
de un mejor anlisis, puede expresarse en trminos de aprobado o
desaprobado, lo que ya es una forma de cualificacin. La inteligencia,
medida en una escala de mu-chos intervalos y expresada en forma de un
coeficiente, puede ser tambin expresada en trminos de inteligencia
superior a la normal o inferior a la normal, es decir, cualitativamente.
En cambio, existen otras variables que no se pueden medir y Solo
pueden estimarse cualitativamente. Son las variables cualitativas. Los
valores de estas variables se expresan con denominaciones tales como soltero, casado, conviviente, viudo, divorciado, para referirse, en este caso, al
estado civil de las personas. No es necesario expresar cuantitativamente
cada una de estas situaciones, porque intrnsecamente estos valores tienen
su propia significacin y no quiere decir que la situacin de ser casado
implique mayor cantidad que la situacin de ser soltero o conviviente. Son
variables cualitativas: el sexo, las opciones ideolgicas, el estado civil, la
procedencia, la nacionalidad, el lugar de residencia, etc. Estas variables
cualitativas no pueden convertirse en variables cuantitativas.
a) Politomas.
b) Dicotomas.
Las politomas varan en ms de dos valores. Estos valores pueden
ser muchos o pocos. En el caso de las variables continuas, por ejemplo,
el n-mero de valores de dichas variables es tanto como el nmero de
mltiplos o sub mltiplos que posea la escala segn la cual se mide: es
el caso de la edad que puede expresarse en aos, meses, das, minutos o
segundos, o de la longitud, que puede medirse en metros, centmetros o
milmetros. Estas variables poseen mltiples valores.
64
En cambio, las dicotomas son variables que varan Solo en dos valores. Por ejemplo, vivo o muerto, masculino o femenino. Sin embargo, en
la investigacin de la conducta se suele convertir politomas en dicotomas con la finalidad de mejorar la estrategia para contrastar las
hiptesis, pues con Solo dos niveles de variabilidad se incrementan las
posibilidades de lograr mayor precisin en el estudio de tales variables.
Por ejemplo, una politoma natural como es el xito acadmico, que se
expresa en una escala de intervalo de diez, veinte, cincuenta, cien o ms
valores, puede finalmente ser expresada como una dicotoma, cuando se
habla de apro-bados o desaprobados. En este caso tambin se observa el
llamado pro-ceso de degradacin. As pues, una politoma puede
convertirse en una dicotoma, pero una dicotoma natural como vivo o
muerto, no puede convertirse en politoma.
Es muy raro hallar dicotomas naturales, sin embargo la condicin
de ser nacional o extranjero, alfabeto o analfabeto, rural o urbano,
hombre o mujer, son algunas dicotomas naturales muy usadas en la
investigacin de la conducta.
3. OPERACIONALIZACIN DE VARIABLES
3.1. Connotacin y denotacin
El lenguaje es para el hombre una herramienta muy til y cumple diversas funciones. Las principales funciones del lenguaje son la esttica, la
metalingstica, la connotativa y la denotativa. Por lo general, el hombre
hace uso de la funcin connotativa. Usar el lenguaje connotativamen-te es
hacer referencia a los fenmenos de la realidad, pero aadiendo la
experiencia del hablante. Como consecuencia del uso del lenguaje en la
funcin connotativa se pueden definir conceptualmente las variables que se
estudian. Este tipo de definicin conceptual funciona bsicamente
aadiendo conceptos conocidos a otros desconocidos y, de este modo, se
aclara o se ampla el campo semntico de los conceptos que no son
conocidos. Por ejemplo, se puede definir nveo, como blanco o cualidad de
blanco. En este caso, el concepto desconocido: nveo, se asocia al con-cepto
conocido: blanco y as se logra explicar su significado.
Sin embargo, hablar connotativamente no es lo recomendable en la
ciencia. El hombre de ciencia necesita comunicarse con otros miembros de
65
67
Elas J. Meja Meja
Nivel de lo abstracto
Proceso de elaboracin
de variables
Proceso de operacionalizacin
de variables
Nivel de lo concreto
Grfico N 2
Los cientficos al estudiar las variables necesitan ubicarse, unas veces,
en el nivel de lo abstracto, como cuando deben elaborar variables, o bien
necesitan ubicarse en el nivel de lo concreto, como cuando deben ma-nejar
u operar las variables. No es posible que los hombres de ciencia se siten en
un solo nivel. Para trabajar con las variables, es decir, cuando se hallan en el
nivel abstracto y necesitan referirse a los fenmenos en forma ms concreta,
operacionalizan las variables, con lo que consiguen mayor fluidez en la
comunicacin con los otros miembros de la comunidad.
En efecto, los cientficos necesitan comunicarse entre s y lo hacen a
travs del lenguaje. Pero como el lenguaje sirve al hombre para los ms diversos usos, el comn de las personas emplea el lenguaje sin preocuparse
tanto por la precisin. Las formas coloquiales del lenguaje son usadas por el
comn de los seres humanos para comunicarse con los miembros de su
entorno familiar en el que no se exige formalidad ni mucha precisin, antes
bien se reclama afectividad y cierta dosis de subjetividad. Natural-mente
esta forma de usar el lenguaje no es conveniente para la ciencia, por lo que
sta trata de elaborar formas de comunicacin ms precisas y efectivas,
asignando significados unvocos a los trminos y tratando de evitar todo
tipo de ambigedad. Los cientficos requieren usar el lenguaje en niveles de
precisin muy altos para evitar las ambigedades del len-guaje coloquial.
Lo que tratan los cientficos es de elaborar un lenguaje capaz de facilitar la
comunicacin y esto Solo se logra operacionalizando los conceptos cuyo
empleo requieren.
70
Este ejemplo ilustra la necesidad de conceptualizar claramente el trmino que se pretende operacionalizar, pues la operacionalizacin del
trmino debe corresponder a la conceptualizacin formulada. Por
ejemplo, si se trata de operacionalizar la variable rendimiento acadmico, se debe tener claro qu es el rendimiento acadmico, qu aspectos abarca, cules son los conceptos afines o si posee sinminos. Por
ejemplo, el investigador debe aceptar que el rendimiento acadmico es
el conjunto de saberes que un estudiante ha acumulado en una
determinada disciplina cientfica. A partir de la idea que se tenga del
rendimiento acadmico se podr identificar las operaciones que deben
cumplirse, o las condiciones que deben darse para decir que alguien
posee rendi-miento acadmico.
72
d) Elaboracin de ndices
Luego de haber identificado los indicadores de cada uno de los
com-ponentes, se debe establecer un criterio nico segn el cual sea
posi-ble medir el concepto. En este momento se debe elaborar, en
algunos casos, un ndice general para todos los indicadores de los
compo-nentes o en su defecto, ndices especficos para cada
indicador. Solo cuando se elaboren los ndices ser posible intentar
hacer variar el concepto. En otras palabras, recin en este momento
se habr logra-do llegar al nivel de concrecin que permite
cuantificar el concepto abstracto. La asignacin de ndices se debe
hacer para cada indica-dor siguiendo una misma lgica. Si por
ejemplo se opta por asignar ndices, siguiendo el criterio de menor
a mayor, a un determinado indicador, este mismo criterio se debe
aplicar al asignar ndices a los dems indicadores.
Solo despus de elaborar los ndices se puede intentar hacer variar el
concepto. Solo en este momento se habr llegado al nivel de concrecin que permite cuantificar el concepto abstracto. Como resultado de
ello el investigador dispone de una escala de medicin que la pue-de
dividir en dos, tres o ms categoras, segn sean sus intenciones por
destacar los matices en los que vara el concepto que est operacionalizando. Si la escala la divide en dos categoras, estar estableciendo una dicotoma segn la cual vara la variable y, en este caso,
no considera los matices intermedios de variacin que le ofrecen los
datos, pero obtiene la ventaja de presentar datos mejor organizados y
de poder disear una estrategia ms sencilla y ms efectiva para
contrastar las hiptesis. Por el contrario, si la divide en tres o ms
categoras, estar estableciendo una politoma y podr aprovechar los
matices de variabilidad hallados, pero se enfrentar con la dificultad de
disear una estrategia ms compleja para contrastar las hiptesis y, an
la organizacin y el anlisis de los datos, demandarn mayores
refinamientos tcnicos.
74
... Las variables generales que se refieren a realidades no inmediatamente medibles empricamente, las variables intermedias, que expresan dimensiones o aspectos parciales de estas variables y, por lo
tanto ms concretas y cercanas a la realidad, y las variables
empricas o indicadores que representan aspectos de estas
dimensiones directa-mente medibles y observables.
La operacionalizacin, por tanto, no es ms que un proceso que
con-siste en convertir las variables generales en intermedias o
indicado-res. Los pasos que Ackoff considera que se deben seguir
en el proceso de operacionalizar variables son los siguientes:
1. Examinar tantas definiciones del trmino, pasadas o presentes,
como sea posible. Conservar la cronologa de las definiciones.
2. Intentar penetrar en el ncleo de la significacin hacia el que
la mayora de las definiciones apuntan.
3. Formular una definicin tentativa basada en dicho ncleo.
4. Ver si este intento de definicin cubre todos los casos que se
pien-sa cubrir en relacin con los objetivos de la investigacin.
5. Someter esta definicin a una valoracin, tan crtica como sea
posible, por parte de los cientficos y no cientficos.
6. Realizar una revisin final de la definicin sobre la base de
las crticas legtimas que se reciban.
puede elaborar escalas para cada uno de ellos. A cada intervalo de la esca-la,
as elaborada, se le puede asignar un valor al que se denomina ndice.
Los ndices as determinados pueden servir para cuantificar cada uno de
los niveles de variabilidad de una variable y as expresar, numricamen-te,
cada uno de ellos, con lo que se lograra operacionalizar plenamente las
variables que el investigador trata de estudiar.
Identificacin de los factores. Los factores que se considera constituyen la condicin socio econmica, para el presente ejemplo, son:
economa, educacin, salud, vivienda y ocupacin. Se puede identificar ms o menos factores y, en este caso, se advertir en el infor-me
cientfico que la condicin socioeconmica, para efectos de la
investigacin que se est realizando, ser operacionalizada a partir de
estos cinco factores. Naturalmente, otros investigadores pueden
considerar ms factores u otros factores, segn la conceptualizacin
que hayan asumido del fenmeno de estudio. Cuando la identifica-cin
de los factores o componentes est racionalmente realizada, los
investigadores que leen los informes cientficos los aceptan plenamente y as es posible generalizar su uso en la comunidad cientfica.
77
otros. Si se analiza el factor econmico a partir de todos estos indicadores, no Solo se estara operacionalizando el factor, sino que esto ya
sera el inicio para la construccin de un instrumento muy completo
para medir, con ms precisin, la variable condicin socioeconmica.
Primaria incompleta.
Primaria completa.
Secundaria incompleta.
Secundaria completa.
Educacin superior incompleta.
Educacin superior completa.
Estudios de posgrado incompletos.
Estudios de posgrado completos.
Otros indicadores pertinentes del factor educacin son: la eleccin
de las amistades, el tipo de espectculos preferidos, el tener ms de
una profesin, el poseer grado acadmico o simplemente el
promedio de las calificaciones obtenidas en un perodo de
estudios.
Para el factor salud se ha elegido el indicador nivel nutricional
con el que se elabora la siguiente escala:
- Deficiente estado nutricional.
- Nutricin no balanceada.
- Nutricin balanceada.
Existen otros indicadores de la salud de las personas, como por ejemplo la ausencia de enfermedades, o el indicador que la Organizacin
Mundial de la Salud establece: la triple armona y equilibrio entre el
aspecto fsico, emocional y social de las personas.
Trabajador eventual.
Trabajador permanente a tiempo parcial.
Trabajador permanente a tiempo completo.
Otros indicadores del factor ocupacin son los siguientes: el
tipo de actividad que realiza, si se requiere calificacin
especializada para desem-pear la actividad, la antigedad en
el empleo, la propiedad de los medios de produccin, etc.
4 Asignacin de ndices. Una vez elaboradas las escalas para cada
uno de los indicadores, se asigna un ndice numrico a cada uno
de los intervalos de dichas escalas, del siguiente modo:
ndices para el factor economa:
- Ingresos de hasta 1000 soles
: ndice 1
- Ingresos de 1001 a 2000 soles
: ndice 2
- Ingresos de 2001 a 3000 soles
: ndice 3
- Ingresos de 3001 a 4000 soles
: ndice 4
- Ingresos de 4001 a ms
: ndice 8
La razn por la que se asigna el ndice 8 al ltimo intervalo es
por-que en este intervalo pueden estar considerados quienes
obtienen ingresos mensuales de 6, 8, 10 mil o ms soles. Es
decir, se ha hecho la correspondiente ponderacin de cada
intervalo de la escala que se est elaborando.
ndices para el factor educacin:
- Analfabeto
- Primaria incompleta
- Primaria completa
79
Elas J. Meja Meja
: ndice 1
: ndice 2
: ndice 3
- Secundaria incompleta
: ndice 4
- Secundaria completa
: ndice 5
- Educacin superior incompleta
: ndice 6
- Educacin superior completa
: ndice 7
- Estudios de post grado incompletos
: ndice 8
- Estudios de post grado completos
: ndice 10
En este caso tambin se asigna un ndice numrico ms alto al
inter-valo estudios completos de posgrado, porque se considera
que esta condicin es ms relevante que estar ubicado en los
otros intervalos previstos.
ndices para el factor salud:
- Deficiente estado nutricional
- Nutricin no balanceada
- Nutricin balanceada
: ndice 1
: ndice 2
: ndice 5
En este caso tambin se ha ponderado el ltimo intervalo porque se considera que en materia nutricional sta es la situacin ptima y deseable.
80
: ndice 1
: ndice 2
: ndice 3
: ndice 5
la situacin de ser
por ser la situacin
81
8
2
Constructo
Componentes
CONDICINSOCIOECONMIC
ECONOMA
- Hasta 1 000
- 1 001 a 2 000
- 2 001 a 3 000
- 3 001 a 4 000
- 4 001 a ms
Ingreso mensual
EDUCACIN
1
2
3
4
8
- Analfabeto
- Primaria inc.
- Primaria comp.
- Secundaria inc.
- Secundaria comp.
- Superior inc.
- Superior comp.
- Est. P.G. inc.
- Est. P.G. comp.
Nivel de escolaridad
SALUD
1
2
3
4
5
6
7
8
10
- Deficiente nutric.
- Nutric. no balan.
- Nutric. balanc.
nd
Nivel nutricional
Indic
ador
es
1
2
5
Captulo III
ESTRATEGIAS PARA CONTRASTAR
HIPTESIS
R 01
R 03
Cuadro N 3
R
R
R
R
O
1
O3
X
O
2
O4
O5
O
6
9. Diseo de
muestras
materiales
equivalentes
X1 0
Ma Ma
X1 0
+ + +
+ ++ + -
+ + +
+ ++ + -
+ + +
+ ++ + ?
Int
e.
e.yInt nselecci
Inte.mltiples
Disp.reactivos
+ ++ + -
re
Inte.deselec.yX
+ + +
reentmad.
8. Diseo de series
cronolgicas equivalentes +
X1 0 X 8 0 X 1 0 X 8 0
inSelecc
edstteent y X adm.
.Mor.Experimen
aRegr.Estadstic
nInstrumentaci
estAdm.T
Maduracin
+ ++ + -
riaHisto
+ + ?
7. Experimento de
series
cronolgi
?
cas
01 02 03 04 X 05 06 07
08
800 pacientes
que murieron de
cncer pulmonar
Captulo IV
INSTRUMENTOS DE ACOPIO DE
DATOS
1 Medicin ordinal
5 Medicin nominal
OPINIONES
MA
MD
Es muy acertada la orientacin que se ha adoptado en la Universidad para formar profesionales en el aspecto intelectual, solamente.
7.1. Validez
La validez es una cualidad que consiste en que las pruebas midan lo
que pretenden medir. Las pruebas deben medir las caractersticas especficas de las variables para las cuales fueron diseadas. Las pruebas que
no poseen validez no tienen utilidad alguna. La validez tambin se
denomina veracidad, exactitud, autenticidad, o solidez de la prueba.
La validez se refiere a los resultados de la prueba, no a la prueba misma.
Estos resultados no se expresan en trminos categricos: resultados vlidos
o resultados no vlidos, sino que estos resultados se expresan en forma de
una continuidad o progresin, as los resultados sern de escasa validez o de
mucha validez, pasando por mltiples situaciones intermedias.
La validez de los resultados de una prueba solo tiene sentido dentro
del contexto en el que ocurre la prueba. Por ejemplo, un tem de resolucin de problemas de sumas ser vlido si lo que se desea es medir esta
133
Validez de contenido
Denominada tambin validez lgica o de muestreo consiste en que los
contenidos o conceptos planteados en los tems correspondan con lo previsto en los objetivos del aprendizaje. La validez de contenido adquiere mayor importancia cuando se trata de comprobar resultados del aprendizaje.
En otras palabras, la validez de contenido es el grado de fidelidad con el
que una prueba refleja el universo de reactivos del cual se extrajeron los
tems. Universo de reactivos es un concepto terico que alude a todos los
posibles tems que se podran formular sobre un determinado tema. Por
ejemplo, si se desea explorar cunto saben los estudiantes de medi-cina
acerca de un curso de Histologa, se tendra que redactar todos los tems
posibles sobre este tema, lo que resulta un imposible. Sin embargo, teniendo
en cuenta que este es un concepto terico, los tems que se re-dacten para
una prueba de Histologa se consideran una muestra de este universo de
reactivos y, por tanto, se asume que lo representan fielmente. As, la prueba
de Histologa que se prepare, ser capaz de medir, realmen-te,
conocimientos de Histologa y no otro tipo de conocimientos.
Validez predictiva
La validez predictiva es la capacidad que tienen las pruebas de
predecir acontecimientos futuros, tales como el xito que un
individuo alcanzar en sus estudios o en su trabajo. Para determinar
la validez predictiva se procede del siguiente modo:
1. Se administra la prueba.
2. Se espera a que se produzcan los desempeos pronosticados.
3. Se compara los puntajes de la prueba con los desempeos reales
del sujeto.
Para determinar la validez predictiva de una supuesta prueba
elabo-rada para predecir el xito que los alumnos lograrn durante el
primer ao de estudios universitarios, se administrar dicha prueba a
una amplia muestra de alumnos del 5 ao de secundaria,
seleccionados al azar. Una vez que estos alumnos hayan terminado el
primer ao de estudios uni-versitarios, se cotejarn ambas series de
puntuaciones: la prueba tendr mayor capacidad predictiva si es ms
alta la correlacin entre ambas series de puntuaciones.
136
Validez concurrente
La validez concurrente es la correlacin que se puede hallar entre
las puntuaciones logradas luego de la aplicacin de la prueba, con
respecto a las puntuaciones obtenidas, por los mismos sujetos, en
otras mediciones realizadas simultneamente.
El procedimiento para determinar la validez concurrente es
similar al que se emplea para verificar la validez predictiva, solo que
la correlacin puede hallarse casi de inmediato ya que los datos se
obtienen al mismo tiempo.
Los puntajes que los estudiantes obtienen en una nueva prueba se
pueden comparar con las calificaciones que recibieron ltimamente en la
materia o con los puntajes que los mismos alumnos alcanzaron en otras
pruebas similares, cuya validez ya fue comprobada. Por ejemplo: en lugar
de esperar varios aos para determinar si una prueba de inters vocacional
es capaz de predecir el xito en determinada profesin, se puede cotejar esta
prueba con los indicadores de los intereses vocacionales de las perso-nas
que han alcanzado xito en la profesin correspondiente.
137
7.2. Confiabilidad
El trmino confiabilidad proviene de la palabra fiable, y sta a su vez
de fe. La confiabilidad establece cuan fiable, consistente, coherente o
estable es el instrumento que se ha elaborado. Por eso, cuando alguien se
refiere a una persona dice que es confiable, que le inspira confianza, que
tiene fe en ella y, en cambio, cuando se refiere a otra persona puede decir
que no le merece confianza, que duda de su conducta futura. Una perso-na
considerada confiable es aquella que actuar, en el futuro, del mismo modo
cmo ha actuado en el pasado. As tambin, un instrumento de acopio de
datos ser confiable, inspirar confianza, cuando al ser aplicado en repetidas
ocasiones arroje los mismos resultados.
Cuando se realizan procesos de medicin, el puntaje observado de una
variable equivale al puntaje verdadero de tal variable ms o menos el
margen de error. El puntaje observado es el valor que se obtiene al medir
una variable, sin embargo, este no es el puntaje verdadero, el puntaje verdadero es el resultado de la medicin exacta de la variable. Por ejemplo, los
estudiantes tienen un determinado nivel de xito acadmico en sus estudios
que es precisamente el que se quiere conocer. Este valor es nico y cuando
se hacen sucesivas mediciones se obtienen diversos puntajes aproximados a
este valor, pero no se obtiene el verdadero valor de la varia-ble,
precisamente porque el investigador no dispone de un instrumento tan
perfecto que sea capaz de medir la real magnitud de, en este caso, el xito
acadmico de los estudiantes, que efectivamente existe pero que no lo
puede conocer an. De esta idea parte aquello de que toda medicin debe
ser isomrfica con la realidad, es decir, que las mediciones que se obtengan
aunque no sean exactas deben ser, por lo menos, aproximadas a la real
magnitud del fenmeno que se estudia.
La humanidad ha avanzado mucho en la medicin del tiempo, entre
otros fenmenos que trata de conocer, y los resultados de tales medicio-nes
son asombrosamente aproximados a la real magnitud del tiempo, sin
embargo, los cientficos declaran que sus mediciones del tiempo se realizan con aproximaciones de dcimas, centsimas o milsimas de segundo,
pero confiesan que la medicin exacta del tiempo, sin mrgenes de error, es
un ideal an no logrado. Sin embargo se puede decir que la medicin del
tiempo es isomrfica con la realidad, porque el margen de error es muy
pequeo, tan pequeo, que resulta insignificante.
138
Pero sucede que los instrumentos disponibles para medir las variables
del comportamiento, tales como la inteligencia, el xito acadmico, la
motivacin por los estudios, etc., no son tan precisos como los instrumentos que la humanidad dispone para medir el tiempo o el espacio. Aqu
radica la importancia de elaborar instrumentos confiables que per-mitan al
investigador aproximarse, lo ms cerca posible, al valor real de las variables
y para ello debe reducir el margen de error con el que hace las mediciones.
En este sentido, si tericamente un estudiante tiene 17,57 puntos de xito
acadmico en sus estudios y el investigador ha obtenido, con los
instrumentos que dispone, una puntuacin de 17,13, se podr decir que ha
hecho una medicin exacta pues el margen de error es rela-tivamente
pequeo, pero si le asigna a este estudiante una puntuacin de 12,45,
entonces el investigador est muy alejado del valor verdadero del xito
acadmico del estudiante. Sin embargo, con una prueba confiable, en las
repetidas oportunidades en que se realicen las mediciones, se ob-tendrn
valores muy prximos al valor terico y, en este caso, se podra considerar
que los resultados de estas mediciones son ms cercanos al puntaje
verdadero, 17,57 como se ha dicho, son ms plausibles que el valor de 12,45
obtenido con una prueba poco confiable.
Como se ha dicho, la confiabilidad es la seguridad, exactitud, precisin o consistencia que debe poseer una prueba. Una prueba es confiable
si al aplicarla en reiteradas ocasiones a los mismos sujetos y en idnticas
condiciones se obtienen iguales resultados. Por ejemplo, si un estudiante
alcanza un puntaje de 110 en una prueba de inteligencia, debe lograr
aproximadamente el mismo resultado si, una semana ms tarde, se le
administra una versin equivalente de la misma la prueba.
La confiabilidad se expresa con el coeficiente de confiabilidad. El
coeficiente de confiabilidad perfecto es 1, muy difcil de alcanzar. Los
coeficientes de confiabilidad aceptables oscilan entre 0,66 y 0,71, como
mnimo, es decir, decimales que tienden acercarse a la unidad.
El ndice de confiabilidad de una prueba se obtiene aplicando la
si-guiente frmula:
139
Elas J. Meja Meja
Donde:
Cf
= Coeficiente de confiabilidad.
n
= Puntaje mximo alcanzado.
x
= Promedio.
s = Desviacin standard de las puntuaciones de la prueba.
Sean los siguientes
datos: n = 18
x = 14,27 s =
3,1
Entonces:
Cf
Cf
Cf
= 1,0588 x [1 0,3077]
= 1,0588 x 0,6923
= 0,73
0,53 a menos
0,54 a 0.59
0,60 a 0.65
0,66 a 0.71
0,72 a 0.99
1,00
=
=
=
=
=
=
Nula confiabilidad.
Baja confiabilidad.
Confiable.
Muy confiable.
Excelente confiabilidad.
Perfecta confiabilidad.
140
n = 98
x = 70
=
6,8
Entonces:
141
142
c.
143
se disea una hoja de respuestas de modo tal que las respuestas a los
tems impares se coloquen en la columna de la derecha y las
respues-tas a los tems pares se coloquen en la columna de la
izquierda. De este modo es posible obtener dos series de
puntuaciones, en un mis-mo tiempo y con los mismos sujetos, lo
que neutraliza la desventaja de la administracin de test, es decir, la
influencia que puede produ-cir el hecho de aplicar dos veces una
prueba a un mismo sujeto. El siguiente grfico ilustra lo dicho:
HOJA DE RESPUESTAS
Grfico N 8
Con este mtodo, la prueba se aplica una sola vez y as se logra
evitar los efectos del pre test y se puede establecer que la prueba ha
sido aplicada a dos grupos iguales.
d. Tcnica de administracin en tiempo diferido. Una misma prueba
debe ser administrada al mismo grupo en dos ocasiones diferentes.
De este modo se obtiene las dos series de puntuaciones que se
necesitan para calcular el coeficiente de correlacin. Es
recomendable que el lapso entre la primera y la segunda aplicacin
no sea muy breve, para evitar la llamada administracin de test, es
decir, la influencia de la primera aplicacin en los puntajes que se
obtengan en la segunda aplicacin.
144
7.4. Objetividad
La objetividad consiste en que la prueba debe producir los mismos
puntajes sea quien fuere la persona que evale las respuestas. Para
lograr esta condicin, las pruebas deben poseer normas de asignacin
145
Una prueba debe ser prctica o aplicable. Para ello debe estar
diseada de tal modo que su administracin e interpretacin sea fcil
y de bajo costo.
Tambin es conveniente tener en cuenta su utilidad social. La
prueba debe conducir a soluciones prcticas, que ofrezcan alguna
utilidad en la solucin de los problemas de la vida cotidiana.
7.7. Adecuacin
Cuando se disea una prueba, es necesario determinar si sta es
apro-piada para el fin que se persigue. Esto quiere decir que el
investigador deber tener en cuenta si la prueba le proporciona los datos
necesarios, si le permitir obtener las medidas con el grado de precisin
deseado, si ser apropiada para la edad y caractersticas de los sujetos,
para el momento y la localidad en que se pretende administrarla, o
cundo preferir entre dos pruebas igualmente confiables y vlidas. Por
estas consideraciones resultan ms adecuadas las pruebas que tienen
formas paralelas y normas especficas para su empleo o aplicacin.
146
Toda prueba debe servir para cumplir un propsito bien definido. Los
propsitos pueden ser el diagnstico, el pronstico, la investigacin,
etc. Segn sus propsitos, las pruebas adquieren caractersticas particulares en relacin con el ndice de dificultad de los tems, la interpretacin de los resultados, el momento en que deben ser aplicadas, etc.
147
2.
151
152
Donde:
Gd = Grado de dificultad de la prueba.
x = Promedio de los puntajes obtenidos.
Pm = Puntaje mximo posible de alcanzarse en la prueba.
Ejemplo: Hallar el grado de dificultad de una prueba en la que el
gru-po ha obtenido un promedio de 13,27 y el puntaje mximo es 20.
Entonces:
153
Donde:
Id = ndice de discriminacin de la prueba.
pms = Puntaje mximo del grupo superior.
pmi = Puntaje mximo del grupo inferior.
PM = Puntaje mximo de la prueba.
Si se ha aplicado una prueba a un grupo de 50 estudiantes y se ha
elaborado el orden de mrito, de mayor a menor, se considerar
grupo superior a los 25 estudiantes que obtienen las ms altas puntuaciones y grupo inferior a los 25 restantes que tienen ms bajas
puntuaciones.
Ejemplo: Hallar el ndice de discriminacin de una prueba en la
que el puntaje mximo del grupo superior es 18 y el puntaje mximo
del grupo inferior es 11. El puntaje total de la prueba es 20.
Entonces:
40% a ms
30% al 39%
20% al 29%
Menos de 19%
a)
b)
156
Reactivos de pareamiento
Los reactivos de pareamiento presentan dos columnas de palabras, frases
o smbolos. Las palabras, frases o smbolos de una columna deben asociarse
con las de la otra columna tratando de establecer, entre ellas,
correspondencias lgicas o verdaderas. La primera columna es la columna
de las premisas y la segunda columna es la de las respuestas. En esta columna se incluyen las asociaciones correctas y los distractores. La persona
que responde el reactivo deber hacer las asociaciones planteadas y para
evitar que en el ltimo par de datos responda sin posibilidad de eleccin es
recomendable que la columna de las respuestas contenga ms distrac-tores
para mantener las posibilidades de eleccin.
La instruccin que se da a la persona que responder el reactivo es la
siguiente: Relacione las afirmaciones de la columna A con las palabras de la
columna B, escribiendo, dentro del parntesis, el nmero que corresponda:
Jean Piaget
Lev Vigotsky
Skinner
Jhon Dewey
Conductismo
Epistemologa gentica
Pragmatismo
Cultural historicismo
Naturalismo
(
(
(
(
(
)
)
)
)
)
Hombres / realizaciones.
Autores / ttulos de obras.
Fechas / hechos histricos.
Trminos / definiciones.
Smbolos / conceptos.
157
Causas / Efectos.
Reglas o principios / Ejemplo o
aplicacin. Plantas o animales /
Clasificacin. rganos / funciones.
Objetos / nombres de los
objetos. Principios /
ilustraciones. Mquinas / usos.
Este tipo de pregunta se puede usar tambin con materiales
grficos, planteando relaciones entre cuadros y palabras, o
identificando posicio-nes en mapas, grficos o diagramas.
Reactivos de repuesta corta
Los reactivos de respuesta corta estn constituidos por una pregunta
que el estudiante debe responder en forma precisa y breve. Ejemplos:
Quin sostiene la tesis del aprendizaje
a)
b)
c)
d)
a)
b)
c)
d)
maximizar
cancelar
identificar
generalizar
minimizar
operacionalizar
controlar
evitar
controlar
analizar
predecir
controlar
(V) (F)
12. Se debe asegurar que ante el problema planteado exista solo una
so-lucin, una sola respuesta correcta, o una mejor respuesta.
13. Se debe tener cuidado de no proporcionar indicios o dejar
traslucir, involuntariamente, la respuesta correcta. Tales indicios
pueden ser incongruencias gramaticales, distractores ms
extensos, uso de indi-cadores especficos, etc.
Ventajas
Los reactivos de alternativa mltiple presentan las siguientes ventajas:
Desventajas
Sin embargo, este tipo de reactivo presenta las siguientes desventajas:
a) denotativa
b) connotativa
c) esttica
d) metaligstica
Reactivos de mejor respuesta. En este caso, todos los distractores
son correctos pero solo uno constituye la mejor respuesta.
Este ltimo tipo de reactivo es el ms conveniente porque permite
explorar otros niveles de aprendizaje como la comprensin, la
aplicacin, etc., pero su construccin demanda mayores dificultades
y entrenamien-to de parte del investigador.
Ejemplo:
La investigacin cientfica es, ante todo...
a) un proceso de produccin de conocimientos.
b) una actividad eminentemente racional.
c) un procedimiento de comprobacin de hiptesis.
d) la secuencia metodolgica hipottico deductiva.
15. GRADO DE DIFICULTAD DE UN REACTIVO
El grado de dificultad de un reactivo se calcula estableciendo el porcentaje de examinados que respondieron correctamente un determinado
reactivo. Si un reactivo fue respondido por casi la totalidad de los
exami-nados, por ejemplo el 98%, ser considerado un reactivo muy
fcil. Si en cambio fue respondido solo por el 5%, ser muy difcil.
Cuanto ms difcil sea el reactivo, ms alto ser su grado de dificultad.
162
Es recomendable que los reactivos de una prueba posean un grado intermedio de dificultad. Se considera que un reactivo tiene un adecuado grado de
dificultad si es contestado correctamente por el 60 al 70% de los examinados.
En donde:
Gd = Grado de dificultad.
= Sumatoria.
Rc = Respuestas correctas.
N = Nmero de alumnos examinados.
Ejemplo: Prueba de 20 reactivos respondida por 40 alumnos. Se
tota-lizan las respuestas correctas e incorrectas.
:
:
:
:
Muy fciles.
Relativamente fciles.
Relativamente difciles.
Difciles o muy difciles.
Donde:
Id = ndice de discriminacin.
pms = puntaje mximo alcanzado por el grupo superior.
pmi = puntaje mximo alcanzado por el grupo inferior.
N = nmero de alumnos.
Ejemplo: Hallar el ndice de discriminacin de un reactivo cuyas
respuestas correctas del grupo superior son 25 y las respuestas
correctas del grupo inferior son 12. El nmero de examinados en los
dos grupos es 50.
Reemplazando los valores se tiene:
Id =
25 - 12
x 100 =
26% 50
La interpretacin de este resultado se hace empleando la siguiente
tabla:
40% a ms
:
Alto ndice de discriminacin.
30 al 39%
:
Buen ndice de discriminacin.
20 al 29%
:
Regular ndice de discriminacin.
Menos del 19%
:
Deficiente ndice de discriminacin.
La cifra hallada, 26%, indica que el ndice de discriminacin de
este tem es regular.
165
Grupo
superior
Grupo
inferior
1er puesto
2do puesto
...
20 puesto
Resp. correct.
21 puesto
22 puesto
...
40 puesto
Resp. correct.
1
corr.
inc.
TEMS
2
3
...
corr.
16
inc.
20
inc.
corr.
...
corr.
15
inc.
inc.
9
...
...
3
CAPTULO
V
MUESTREO
En donde:
m
: Tamao de la muestra.
E
PyQ
N
: Margen de error.
: Probabilidades de xito o fracaso (50%).
: Tamao de la poblacin.
un margen de error de 0,04, la muestra debe ser de 568. Este dato hallado es
muy cercano al valor que se encuentra en la tabla: para una poblacin de
6,000 sujetos, con un margen de error de 0,04, la muestra es 566.
176
182
32533
04805
68953
02529
99970
76520
64894
19645
09376
80157
13586
74296
09303
70715
36147
34673
24805
23209
38311
64032
00005 66065
00006 31060
00007 85269
00008 63573
00009 73796
74717
10805
77602
32135
45753
34072
45571
02051
05325
03529
76850
82406
65692
47048
64778
36697
68665
68665
90553
35808
10097
37542
08422
99019
12807
32533
04805
68953
02529
99970
76520
64894
19645
09376
80157
13586
74296
09303
70715
36147
34673
24805
23209
38311
64032
54876
24037
02560
31165
36653
80959
20636
15953
88676
98951
09117
10402
34764
74394
16877
00005
00006
00007
00008
00009
66065
31060
85269
63573
73796
74717
10805
77602
32135
45753
34072
45571
02051
05325
03529
76850
82406
65692
47048
64778
36697
35303
68665
90553
35808
36170
42614
74818
57548
34282
65813
86799
73053
28468
60935
39885
07439
85247
28709
20344
contin
a
183
98520
11805
83452
88685
99594
17767
05431
99634
40200
67348
14905
39808
06288
86507
87517
68607
27732
98033
50401
64969
22109
50725
13746
36766
91826
40558
68248
70078
67951
08928
60970
29405
18475
90364
93785
93433
24201
40610
76493
61368
00015
00016
00017
00018
00019
65481
80124
74350
69916
09893
17674
35635
99817
26803
20505
17468
17727
77402
66252
14225
50950
08015
77214
29148
68514
58047
45318
43236
36936
46427
76974
22364
00210
87203
56788
73039
21115
45521
76621
96297
57186
78253
64237
13990
78822
00020
00021
00022
00023
00024
91499
80336
44104
12550
63606
14523
94598
81949
73742
49329
68479
26940
85157
11100
16505
27686
36858
47954
02040
34484
46162
70297
32979
12860
40219
83554
34135
26575
74697
52563
94750
53140
57600
96644
43651
89923
33340
40881
89439
77082
00025
00026
00027
00028
00029
61196
15474
94557
42481
23523
90446
45266
28573
16213
78327
26457
95270
67897
93344
73208
47774
79953
54387
08721
89837
51924
59367
54622
16868
68935
65394
83848
44431
48767
91416
59593
82396
91190
03071
26252
59593
10118
42592
12059
29663
c) Muestreo sistemtico
El muestreo sistemtico es una tcnica diferente de la anterior. Para utili-zar
esta tcnica se requiere disponer de listados de los sujetos que deben estar
identificados por sus nombres o por sus cdigos numricos. Es preciso cono-cer
el tamao de la poblacin P y el tamao de la muestra s. Sea, por ejem-plo
750, el tamao de la poblacin y 15, el tamao de la muestra. Entonces se
divide P entre s. El coeficiente hallado es la constante k. En este caso:
K=P/s
o sea:
K = 750 / 15 = 50
La constante as encontrada es 50. Ubicada la constante, se recorre los
listados en los que aparecen los nombres de los sujetos de la poblacin y se
entresaca, para la muestra, a los sujetos que se hallan separados por cada 50
nombres, es decir, por la distancia establecida por la constante. Pero en este
caso, si se comienza a identificar la muestra a partir del sujeto que tiene el
nmero 01, y si se sabe cul es la constante, va a ser posible anticipar que
los sujetos de la muestra sern quienes cuyos nmeros de orden sean
mltiplos de 50 (50, 100, 150, 200, etc.) Este hecho estara en contradiccin
con el segundo principio que rige los fenmenos pro-babilsticos: la
independencia en la ocurrencia de los eventos, porque la ocurrencia del
primer evento ya est anticipando la ocurrencia de los siguientes. Para evitar
esta situacin se sortea los nmeros ubicados en el primer rango, en este
caso, los primeros 50, (la constante) y se comienza a aplicar la constante a
partir del nmero que sali sorteado. Por ejemplo, si en el sorteo de los 50
primeros nmeros sale el nmero 13, se aplicar la constante a partir del 13
y se proceder de la siguiente manera:
187
centmetros, se puede extraer una ficha, sin necesidad de contar cada una de
las fichas, sino simplemente midiendo cada dos centmetros. Naturalmente
con esta variante del mtodo no se identificar exactamente a los sujetos de
la muestra, pero la aproximacin ser muy alta.
Otra situacin puede ser la siguiente. Si por ejemplo se desea obtener
una muestra de 400 personas cuyos nombres aparecen en la Gua Telefnica
de Lima, se puede proceder de la siguiente manera: Si la Gua Telefnica de
Lima tiene 1,000 pginas y en cada pgina aparecen cuatro columnas de
nombres y en cada columna hay 135 nombres, entonces su puede calcular,
rpidamente el tamao de la poblacin, en este caso el nmero de abonados
al servicio telefnico en Lima. El resultado de estos clculos es el siguiente:
Grfico N 9
Si estos son los estratos y se conoce el tamao de cada uno, el
investi-gador tendr que representar, en la muestra y en los mismos
porcentajes, cada uno de los estratos de la poblacin. Por ejemplo, se
desea obtener una muestra del 0,33 % para el estrato estudiantes varones
de univer-sidades nacionales, que son 50, 000, la muestra ser de 167.
Luego de establecer los estratos en la muestra y de establecer el nmero
requerido para cada estrato, la identificacin de los sujetos se puede
hacer emplean-do cualquiera de los procedimientos descritos
anteriormente. Lo que en realidad se hace es reducir el tamao de la
poblacin, guardando su apa-riencia estratificada original.
189
Grfico N 10
190
191
b) Juicio de expertos
El juicio de expertos es el criterio que maneja un profesional especializado cuando tiene que seleccionar sujetos. El experto decide qu sujetos
van a participar en la muestra. Si por ejemplo se convoca, a nivel de Lima,
193
c) Muestreo ocasional
En muchas oportunidades, en la investigacin de la conducta se recoge la
opinin de las personas con las que ocasionalmente tropieza el investigador.
Esta es la tcnica ms sencilla y muchas veces la nica manera de recopilar
informacin. Su validez es relativa aunque parte del supuesto que los sujetos a
quienes se entrevista son representativos de la poblacin. Por ejemplo, las
agencias dedicadas al estudio de la opinin colectiva, para anticipar los resultados de una votacin de los ciudadanos, recogen informacin de los electo-res
que salen del local en el que votaron. A partir de estos informes, realizan sus
progresiones para llegar a la prediccin deseada.
194
CAPTULO VI
PROCESO DE PRUEBA DE
HIPTESIS
: 10,58
: 2,54
Al aplicar el anlisis de varianza, y para mantener la misma nomenclatura que aparece en la bibliografa referida al tema, a cada una de las
variables se denomina factor. Llmese a una de ellas es el factor A y la otra,
el factor B. Pero como cada variable asume dos valores, el factor A variar
en A1 y A2 y el factor B variar en B1 y B2. El subndice 1 significa
207
Grfico N 11
Como resultado de acomodar las variables en la tabla de
contingencia 2x2 se produce un cruce de variables, lo que da lugar a
los siguientes cua-tro tratamientos: A1, B1; A2, B1; A1, B2; A2, B2.
El ejemplo que ilustra lo dicho es el siguiente: Se desea estudiar los
efectos de las variables desempeo docente y mtodos didcticos. El
desem-peo docente es el factor A y vara en A1 que corresponde a un
desempeo docente no eficiente y A2 que corresponde a un desempeo
docente eficiente. Como se aprecia, el desempeo docente no eficiente
es la presencia de la variable en su nivel ms bajo, no eficiente, o sea 1.
Mientras que A2 corresponde al desempeo docente eficiente, es decir,
el valor alto de la variable, o sea 2.
Por otra parte, el factor mtodos didcticos vara tambin en dos niveles:
B1 aplicacin de mtodos didcticos centrados en la enseanza o valor bajo de la
variable B, y B2 aplicacin de mtodos didcticos centrados en el aprendi-zaje, o
valor alto de la variable B. La teora pedaggica sostiene que el pro-blema
fundamental en todo proceso educativo es el aprendizaje y no la en-seanza, de ah
que se considera valor bajo a los mtodos didcticos centrados en la enseanza y
valor alto a los mtodos didcticos centrados en el aprendizaje.
El cuarto campo del cuadro es el tratamiento A2, B2, es decir el grupo de estudiantes que tiene profesores con desempeo docente eficiente
y a quienes se les aplica mtodos didcticos centrados en el aprendizaje.
En este grupo o tratamiento actan las variables A y B, es decir ambas
estn en sus valores ms altos: profesores con desempeo docente
eficiente, A 2, y mtodos didcticos centrados en el aprendizaje, B 2. Para
simplificar su denomina-cin a este tratamiento se le conoce como
tratamiento [ab], porque A y B asumen sus valores ms altos.
Como se ha dicho, el anlisis de varianza es una metodologa que se
aplica para probar hiptesis siempre y cuando las variables independientes
no se encuentren relacionadas entre s. Algunas veces sucede que las variables independientes que actan sobre la dependiente se hallan, a su vez,
209
Grfico N 12
A manera de ejemplo, se presenta a continuacin la sntesis de algunos trabajos
realizados por investigadores de la Facultad de Educacin de la UNMSM. El que
sigue es el estudio realizado por Constantino Domnguez titulado Influencia del
desempeo docente y de los mtodos didcticos en el nivel de aprendizaje de
alumnos del ciclo bsico de obstetricia. En este caso se investiga la influencia de
dos variables independientes sobre una variable dependiente.
Problema
Qu efectos producen, en el nivel de aprendizaje de alumnos de
ciclo bsico de obstetricia, el desempeo docente y los mtodos
didcticos que se emplean en el proceso enseanza-aprendizaje?
Variacin de las variables:
Desempeo docente, asume dos valores: Desempeo docente no
eficien-te, o nivel bajo de la variable, (A 1), y Desempeo docente
eficiente, o nivel alto de la variable, (A2).
Mtodos didcticos: Mtodos didcticos centrados en la
enseanza, o ni-vel bajo de la variable, (B 1), y Mtodos didcticos
centrados en el aprendiza-je, o nivel alto de la variable, (B2).
211
Sistema de
hiptesis: Hiptesis
general
El eficiente desempeo docente, A2, y la aplicacin de mtodos didcticos
centrados en el aprendizaje, B 2, incrementan significativamente el nivel de
nivel de aprendizaje de estudiantes del ciclo bsico de obstetricia.
En trminos formales: el nivel de aprendizaje, representado por el smbolo
Y, es influenciado, en forma positiva, por el desempeo docente eficiente (A2) y
por la aplicacin de mtodos didcticos centrados en el aprendizaje
(B2).
En este caso, la hiptesis se adeca al siguiente modelo estadstico:
Yijk = m + ai + bj + (ab)ij + eijk
En donde:
Yijk es la k-sima observacin bajo el i-simo tratamiento de la
varia-ble A (Desempeo docente) y bajo el j-simo tratamiento de la
variable B (Mtodos didcticos), (i = 1,2; j = 1,2 ; k = 1,2,3 ... 80).
m
212
H1 : m20 = m10
Subhiptesis alterna 2
El nivel de aprendizaje del grupo de estudiantes del ciclo bsico de
obste-tricia a quienes se les aplic mtodos didcticos centrados en el
aprendizaje, (B 2), es mayor que el nivel de aprendizaje del grupo de
estudiantes a quienes se les aplic mtodos didcticos centrados en la
enseanza, (A1). En trminos formales, para el factor B:
Subhiptesis nula 2
El nivel de aprendizaje del grupo de estudiantes del ciclo bsico de obstetricia a quienes se les aplic mtodos didcticos centrados en el aprendizaje,
(B2), no difiere significativamente del nivel de nivel de aprendizaje del grupo de
estudiantes a quienes se les aplic mtodos didcticos centrados en la enseanza, (A1). En trminos formales, para el factor B:
H1 : m02 = m01
Subhiptesis alterna 3
La interaccin de los factores desempeo docente y mtodos didcticos,
(A x B), produce efectos significativos en el nivel de aprendizaje de
estudian-tes del ciclo bsico de obstetricia. En trminos formales:
213
Grfico N 13
214
Cuadro N 14
se considera que son 160 los sujetos que han hecho posible alcanzar los
233 puntos en la suma algebraica. Dividiendo 233 entre los 160 sujetos,
se obtiene el valor de 1,46 que se considera es el valor con que el factor
A, en este caso, desempeo docente, influye en el rendimiento
acadmico de los estudiantes de Obstetricia. Y si el factor A, desempeo
docente influye en 1,46 en el rendimiento acadmico se puede adoptar la
decisin de rechazar la subhiptesis nula 1 y aceptar la subhiptesis
alterna 1, que sostiene: El nivel de aprendizaje del grupo de estudiantes
del ciclo bsico de obstetricia que tuvo profesores con desempeo
docente eficiente, (A2), es mayor que el nivel de aprendizaje o del grupo
de estudiantes que tuvo profesores con desempeo docente no eficiente.
De manera similar al caso anterior se procede para analizar la influencia del factor B: mtodos didcticos. Se considera que en el tratamiento [1],
el factor B no interviene debido a que est en su nivel bajo: B 1, por lo que a
este tratamiento le corresponde signo negativo. Se considera que en el
tratamiento [a], el factor B no interviene debido a que tambin est en su
nivel bajo: B1, por lo que a este tratamiento le corresponde signo negativo.
Se considera que en el tratamiento [b], el factor B interviene debido a que
est en su nivel alto: B 2, por lo que a este tratamiento le corresponde signo
positivo. Se considera que en el tratamiento [ab], el factor B interviene
debido a que tambin est en su nivel alto: B2, por lo que a este tratamiento
le corresponde signo positivo.
En consecuencia, la suma algebraica para este factor es 207. Este puntaje ha sido alcanzado debido a que hay 80 alumnos en cada uno de los
tratamientos identificados con el signo positivo. Como para este factor hay
dos tratamientos con signo positivo, se considera que son 160 los su-jetos
que han hecho posible alcanzar los 207 puntos en la suma algebrai-ca.
Dividiendo 207 entre los 160 sujetos, se obtiene el valor de 1,29 que se
considera es el valor con que el factor B, en este caso, mtodos didc-ticos,
influye en el rendimiento acadmico de estudiantes de Obstetricia. Y si el
factor B, mtodos didcticos, influye en 1,29 en el rendimiento acadmico
se puede adoptar la decisin de rechazar la hiptesis nula 2 y aceptar la sub
hiptesis alterna 2, que sostiene: El nivel de aprendizaje del grupo de
estudiantes del ciclo bsico de obstetricia a quienes se les aplic mtodos
didcticos centrados en el aprendizaje, (B2), es mayor que el nivel de
aprendizaje del grupo de estudiantes a quienes se les aplic mtodos
didcticos centrados en la enseanza, (B1).
216
Cuadro N 15
217
Y
1 =
10 Y00 = 11,58 12,31 = 0,73
Y
2 = 20 Y00 = 13,04 12,31 = 0,73
Total: 0.73 + 0,73 = 1,46
Para el factor B: Mtodos didcticos:
1 = Y01 Y00 = 11,66 12,31 =
0,65 2 = Y02 Y00 = 12,95 12,31
= 0,64 Total: 0,65 + 0.64 = 1,29
Mtodo III. Anlisis entre y dentro de los grupos
Como se ha dicho, el anlisis de varianza realizado a un nivel ms profundo consiste en analizar la varianza al interior de los grupos o varianza dentro de
los grupos y la varianza entre los grupos. Luego de hacer este anlisis se obtiene
la suma de cuadrados dentro de los grupos y la suma de cuadrados entre los
grupos. Los procesadores estadsticos que se disponen ltimamente permiten
realizar todos estos clculos que, hechos manualmente, suponen al-gn nivel de
complejidad para quienes no son expertos en temas estadsticos, de modo que
en este punto obviamos la descripcin de todo este proceso.
Prueba F
Para adoptar las decisiones con respecto a la hiptesis se aplica la
prue-ba F que arrojar un valor como consecuencia de dividir la media
de cua-drados entre grupos, sobre la media de cuadrados dentro de los
grupos. La frmula de F para el anlisis de varianza es la siguiente:
F = MSE / MSD
La media de cuadrados, entre y dentro de los grupos, se obtiene dividiendo las sumas de cuadrados respectivas entre los grados de libertad
entre y dentro de los grupos. El siguiente cuadro ilustra lo dicho:
218
Cuadro N 16
Fuente de variacin
SS
gl
MS
306,26
102,90
740,86
316
2,34
1047,12
319
Totales
220
221
Hiptesis alterna
Existe un coeficiente de correlacin, estadsticamente
significativo, al nivel de 0,05, entre las variables ndice acadmico,
organizacin del tiempo libre y afinidad de la actividad laboral con
los estudios, con respecto al xito aca-dmico de estudiantes de post
grado de la Universidad Nacional Mayor de San Marcos.
En trminos formales, la hiptesis se puede expresar en trminos
de la siguiente funcin:
Y = f (x1 x2 x3)
Hiptesis nula
El ndice acadmico, la organizacin del tiempo libre y la afinidad
de la actividad laboral con los estudios no estn correlacionados con el
xito acad-mico de estudiantes de postgrado de la UNMSM.
222
Correlacin simple
Como se ha sealado anteriormente, las variables independientes de esta
investigacin se encuentran correlacionadas entre s. Esto ha sido demostrado luego de hallar los ndices de correlacin simple entre tales varia-bles.
Para ello se emple la frmula de correlacin producto momento de
Spearman, que permiti encontrar los coeficientes de correlacin entre:
X1 y X2
X1 y X3
X2 y X3
Covarianza
Elevando al cuadrado cada uno de los coeficientes de correlacin
sim-ple se obtuvo la covarianza, es decir, los porcentajes de la
varianza com-partida entre las tres variables independientes y la
dependiente. Los datos obtenidos son los siguientes:
Cuadro N 18
Grfico N 14
La varianza, en este caso, no es sinnimo de la media de las
diferencias entre puntuaciones o el rango de las puntuaciones entre
individuos o gru-pos, sino se entiende como la variabilidad de los
valores de una variable dependiente que se explica por la presencia
de otras variables llamadas independientes.
Si las variables independientes no estuviesen correlacionadas
entre s, sera suficiente sumar los porcentajes de la varianza que
explican, por separado, cada una de las variables independientes. De
esta manera se afirmara que el 49% de la varianza de Y es explicada
por X1 X2 y X3. Pero este no es el caso.
Prediccin
El anlisis de regresin mltiple es un mtodo estadstico que
permite interpretar el fenmeno descrito y conduce a la prediccin de
los valores de la variable dependiente. La prediccin es mejor en la
medida en que la correlacin entre las variables independientes entre s
sea baja, como en el presente caso: correlacin entre X 1 y X2 = 0,3;
correlacin entre X1 y X3 = 0,8, y correlacin entre X2 y X3 = 0,11.
Mediante programas informticos se resolvieron las siguientes
ecua-ciones del modelo estadstico de regresin mltiple para tres
variables independientes y una dependiente.
224
Otro caso:
Y del sujeto 101 = 7,7844 + (15,03 x 0,3421) + (12 x 0,0282) + (14 x 0,1194)
R = 0,4427
Mediante procesos informticos se calcularon los valores
predichos de Y de los 145 sujetos de la muestra, por tanto, el valor de
R ha sido halla-do luego de correlacionar la serie de puntuaciones
predichas de Y con las puntuaciones reales de Y.
Este es el dato ms importante de la investigacin, porque a partir
de l se va a adoptar la decisin con respecto a la hiptesis nula.
226
Varianza de Y
Grfico No 15
Grados de libertad
En este estudio, como se ha trabajado con una muestra de 145
estu-diantes y con cuatro variables, los grados de libertad se hallan
del siguien-te modo:
N 4 = 145 4 =
141 K 1 = 4 1 = 3
227
R2 / K
(1- R2) / (N K 1)
En donde:
R2 = Coeficiente de correlacin mltiple elevado al
cuadrado. K = Nmero de variables independientes.
N = Tamao de la muestra.
Al hacer las operaciones se obtiene:
F=
0,44272 / 3
(1- 0,44272) / (145 3 1)
F=
0,0489958225
= 8,531
0,0057429765
El valor hallado, luego de reemplazar los trminos de la frmula
es 8,531, superior a 2,60, valor crtico para 141 grados de libertad y
tres variables independientes, tal como puede verse en el Cuadro N
18, Distribucin de F, con 95% de confianza. En consecuencia se
rechaza la hiptesis nula, al nivel de 0,05, que sostiene: El ndice
acadmico, la organizacin del tiempo libre y la afinidad de la
actividad laboral con los estudios, no estn correlacionados con el
xito acadmico de estudiantes de postgrado de la UNMSM.
En cambio, se acepta la hiptesis alterna que sostiene: Existe un coefi-ciente
de correlacin, estadsticamente significativo al nivel de 0,05, entre las
228
variables ndice acadmico, organizacin del tiempo libre y afinidad de la actividad laboral con los estudios, con respecto al xito acadmico de estudiantes
de postgrado de la Universidad Nacional Mayor de San Marcos.
9. PRUEBA t de Student
La prueba t de Student, llamada tambin Prueba de Diferencia de
Medias, es otra prueba muy usada para contrastar hiptesis. Cuando los
investigadores adoptan estrategias de prueba de hiptesis como consecuencia de las cuales se obtienen dos promedios en cada uno de los
grupos, ya sean stos experimental o de control, lo que deben hacer es
determinar si la diferencia entre tales promedios hallados se debe a causas
del azar, o si tal diferencia se ha producido como efecto de la influencia de
la variable independiente que se est estudiando. En este caso el investigador, con los datos que obtiene, realiza las operaciones respectivas.
La limitacin de esta prueba es que no funciona con muestras grandes, sino solo con muestras pequeas. Algunos autores sostienen que el
nmero de la muestra no debe pasar de 20 para aplicar esta prueba.
A continuacin se presenta el estudio realizado por Marco
Sanabria, titulado: Influencia del Seminario y la Clase Magistral en
el Rendimiento Acadmico de alumnos de la Escuela Acadmico
Profesional de Economa de la UNMSM.
Problema:
Existen diferencias significativas en el ndice acadmico alcanzado
por alumnos de la asignatura de Economa General I de la Escuela
Acadmico Profesional de Economa de la UNMSM, que realizaron sus
estudios con el mtodo de Seminario, con respecto al grupo de alumnos
que cursaron con el mtodo de la Clase Magistral?
Hiptesis especfica 1
El ndice acadmico de los alumnos de la Escuela Acadmico
Profesional de Economa de la UNMSM que desarrollan la
asignatura de Economa General I se incrementa significativamente
con la aplicacin del mtodo di-dctico de seminario.
Hiptesis especfica 2
El ndice acadmico de los alumnos de la Escuela Acadmico
Profesional de Economa de la UNMSM que desarrollan la asignatura
de Economa General I no se incrementa significativamente con la
aplicacin del mtodo didctico de clase magistral.
Variables e indicadores
Las variables consideradas para la presente investigacin son las
si-guientes:
a)
b)
a)
b)
Hechas las operaciones, los datos hallados en el pre test son los
si-guientes:
232
Cuadro N 19
Contraste de hiptesis
Mason, Lind y Marshall mencionan que existe un procedimiento de
cinco pasos que sistematiza la prueba de hiptesis. Al llegar al paso 5 se
233
H0: O2 = O4
Hiptesis alterna (H1)
El ndice acadmico de los alumnos que desarrollan la asignatura
de Economa General I con el mtodo didctico de seminario (O 2), es
signi-ficativamente diferente del ndice acadmico de los alumnos
que estudian la asignatura de Economa General I con el mtodo
didctico de clase magistral (O 4) en la Escuela Acadmico
Profesional de Economa de la UNMSM.
Lo dicho, formalmente, se expresa mediante la siguiente inecuacin:
H1: O2 O4
Hiptesis especficas
Hiptesis nula (H0)
El ndice acadmico de los alumnos de la Escuela Acadmico
Profesio-nal de Economa de la UNMSM que desarrollan la asignatura
de Econo-ma General I no se incrementa significativamente con la
aplicacin del mtodo didctico de seminario.
234
H0: O2 = O4
Hiptesis alterna (H1)
El ndice acadmico de los alumnos de la Escuela Acadmico Profesional de
Economa de la UNMSM que desarrollan la asignatura de Economa General I se
incrementa significativamente con la aplicacin del mtodo didctico de seminario.
H1: O2 > O4
Paso 2: Seleccin del nivel de significacin: a
= 0.05
Estadgrafos
Promedio
Desviacin estndar
Total de participantes
12,8000
8,620
2,1112
3,554
15,000
Z = 5,23 (Z calculada)
235
37,00
Conclusiones
1. Existe evidencia emprica que demuestra que el ndice
acadmico obtenido con la aplicacin del mtodo didctico de
seminario es sig-nificativamente mayor que el ndice acadmico
obtenido con la apli-cacin del mtodo didctico de clase
magistral.
2. Los estudiantes a quienes se les aplic el mtodo didctico de
semina-rio alcanzaron un ndice acadmico ms alto, mientras
que los estu-diantes a quienes se les aplic el mtodo didctico
de clase magistral alcanzaron un ndice acadmico ms bajo.
236
237