Professional Documents
Culture Documents
DE
INVESTIGACIN
EN
PSICOLOGA
Prof.
Alfonso
Pitarque
Dpto.
Metodologa
(despacho
M107)
Tutoras:
Viernes
de
9.30h
a
12.30h
+
info
en
www.uv.es/pitarque
ObjeKvos
Saber
realizar
una
invesKgacin
desde
la
pKca
de
las
principales
diseos
de
invesKgacin
uKlizados
en
Psicologa:
-
experimentales
y
cuasiexperimentales
(unifactoriales
y
factoriales)
-
experimentos
de
caso
nico
-
encuestas,
tests
y
cuesKonarios
-
metodologa
observacional
Saber
analizar
estadsKcamente
dichos
diseos
Saber
realizar
el
informe
de
una
invesKgacin
(normas
de
publicacin
A.P.A.)
Saber
valorar
la
calidad
de
un
arVculo
de
invesKgacin
Conocer
los
principios
Kcos
que
rigen
la
invesKgacin
2
BibliograZa
bsica
Teora:
Len,
O.G.
y
Montero,
I.
(2003).
Mtodos
de
inves,gacin
en
Psicologa
y
Educacin.
Madrid
:
McGraw-Hill.
[ISBN:
8448136705]
PrcKcas:
Gambara,
H.
(2002).
Mtodos
de
inves,gacin
en
Psicologa
y
Educacin.
Cuaderno
de
prc,cas.
Madrid
:
McGraw-Hill.
[ISBN:
8448136691]
Meltzo,
J.
(2000).
Cr,ca
a
la
inves,gacin.
Psicologa
y
campos
anes.
Madrid:
Alianza.
[ISBN:
8420686646]
[pps.
195-321]
3
Evaluacin
Examen
(de
0
a
5
puntos
sobre
nota
nal):
CuesKonario
de
unas
25-30
preguntas
de
3
alternaKvas
(teora,
interpretacin
de
outputs
del
SPSS,),
donde
hay
que
sacar
una
nota
mnima
de
2.5
puntos
para
poder
aprobar
la
asignatura.
PrcKcas
en
el
aula
(de
0
a
4
puntos):
Se
valorar
la
asistencia
a
clase
y
parKcipacin
acKva
en
ella
(de
0
a
1
puntos)
y
3
prcKcas
evaluables
en
el
aula
(de
0
a
1
puntos
cada
una).
Informe
(de
0
a
1
puntos):
Informe
escrito
(individual)
en
formato
A.P.A.
en
el
que
se
reeje
el
Vtulo,
introduccin
(objeKvo,
revisin
de
la
literatura
e
hiptesis)
y
referencias
de
un
problema
de
invesKgacin
(preferiblemente
tu
TFG).
Longitud
mxima
2
folios
a
doble
espacio
(incluidas
las
referencias).
Se
valorar
la
concisin
y
la
adecuacin
a
normas
A.P.A.
4
Tema
1.
InvesKgacin
en
Psicologa
5
Tema
1.
InvesKgacin
en
Psicologa
6
Tema
1.
InvesKgacin
en
Psicologa
7
Tema
1.
InvesKgacin
en
Psicologa
8
Tema
1.
InvesKgacin
en
Psicologa
Inciso
terminolgico:
En
invesKgacin
(cuasi)experimental
debemos
disKnguir
entre
tres
Kpos
de
variables:
a)
Variables
independientes
(VI
o
predictores).
Son
las
que
se
manipulan
para
ver
si
producen
cambios
o
no
en
la
variable
que
medimos
(o
variable
dependiente).
Dicha
manipulacin
se
lleva
a
cabo
comparando
como
mnimo
dos
niveles
de
la
VI
(o
condiciones
o
tratamientos,
uno
de
los
cuales
ha
de
ser
siempre
una
condicin
control
sin
tratamiento
o
de
tratamiento
con
placebo).
a1.
Si
el
invesKgador
Kene
potestad
para
asignar
al
azar
los
sujetos
a
los
disKntos
niveles
de
la
VI
se
habla
entones
de
manipulacin
directa,
mientras
que
si
no
puede
llevar
a
cabo
dicha
asignacin
aleatoria
porque
los
sujetos
ya
estn
adscritos
a
cada
nivel
de
la
VI
por
la
propia
naturaleza
de
dicha
VI
(p.e.
gnero,
nacionalidad,
edad,
)
entonces
se
habla
de
manipulacin
por
seleccin.
Esta
disKncin
es
importante
porque
determina
la
disKncin
entre
diseos
experimentales
(=
manipulacin
directa)
y
cuasi-experimentales
(=
manipulacin
por
seleccin).
a2.
Las
VI
tambin
se
clasican
en
VI
inter
(cuando
asignamos
una
muestra
disKnta
de
sujetos
a
cada
nivel
de
la
variable)
o
VI
intra
(cuando
una
nica
muestra
de
sujetos
pasa
por
todos
los
niveles
de
la
variable,
obteniendo
medidas
repe,das
de
los
mismos
sujetos).
9
Tema
1.
InvesKgacin
en
Psicologa
b)
Variables
dependientes
(VD
o
criterio).
Son
las
que
medimos
para
ver
si
la
manipulacin
anterior
es
efecKva
o
no.
Las
VD
pueden
ser:
cuanKtaKvas
(escala
de
intervalo
o
razn)
-->
pruebas
de
anlisis
paramtricas
semicuanKtaKvas
(u
ordinales)
-->
pruebas
de
anlisis
no
paramtricas
cualitaKvas
(o
categoriales
o
escala
nominal)
-->
pruebas
2
c)
Variables
extraas
o
contaminantes,
que
son
las
que
hay
que
controlar
para
que
no
afecten
a
la
VD.
Cuando
todas
las
posibles
variables
extraas
estn
bien
controladas,
es
decir,
cuando
podemos
armar
que
la
causa
de
la
variacin
de
la
VD
es
debida,
exclusivamente,
a
la
manipulacin
de
la(s)
VI,
se
dice
que
la
invesKgacin
Kene
validez
interna.
La
validez
interna
es
requisito
imperaKvo
de
toda
invesKgacin
experimental
y
muy
recomendable
en
cuasiexperimental.
10
Tema
1.
InvesKgacin
en
Psicologa
11
Tema
1.
InvesKgacin
en
Psicologa
12
Tema
1.
InvesKgacin
en
Psicologa
13
Tema
1.
InvesKgacin
en
Psicologa
14
Tema
1.
InvesKgacin
en
Psicologa
15
Tema
1.
InvesKgacin
en
Psicologa
3)
Eleccin
del
diseo:
Es
un
parte
muy
delicada
y
que
requiere
reexionar
sobre:
a)
Determinar
la(s)
VI
(su
naturaleza
y
sus
niveles),
con
cuntas
muestras
vamos
a
trabajar
y
de
qu
Kpo
(independientes
=
VI
inter,
relacionadas
o
de
medidas
repeKdas
=
VI
intra)
y
cul
va
a
ser
el
mtodo
de
muestreo.
b)
Determinar
la(s)
VD
(y
su
naturaleza:
cuanKtaKva,
semicuanKtaKva
o
cualitaKva).
c)
Determinar
cmo
vamos
a
controlar
las
VE.
d)
Determinar
con
qu
tcnica
estadsKca
analizaremos
los
datos
(hay
que
saberla
antes
de
llevar
a
cabo
la
medicin).
Kerlinger
(1991)
seal
que
el
mejor
diseo
es
aquel
que
saKsface
el
principio
de
MAX-MIN-CON:
a) maximiza
la
varianza
tratamental
(p.e.
haciendo
que
las
condiciones
sean
lo
ms
disKntas
posibles
=>
mayor
tamao
del
efecto
=>
mayor
probabilidad
de
rechazar
H0);
b) minimiza
la
varianza
errKca
debida
a
diferencias
individuales
(p.e.
dando
correctamente
las
instrucciones,,
=>
mayor
probabilidad
de
rechazar
H0)
c) controla
las
variables
extraas
(p.e.
mediante
la
asignacin
aleatoria
de
los
sujetos
a
las
condiciones
o
controlando
bien
el
sesgo
de
seleccin).
16
Tema
1.
InvesKgacin
en
Psicologa
17
Tema
1.
InvesKgacin
en
Psicologa
6)
Anlisis
estadsKco
de
datos:
18
Tema
1.
InvesKgacin
en
Psicologa
7)
Interpretacin
de
resultados:
Discusin
de
los
resultados
en
relacin
a
las
hiptesis
planteadas,
los
resultados
de
otros
trabajos
y
las
teoras
explicaKvas
del
problema.
8)
Elaboracin
de
un
informe
escrito.
Apartados
de
un
informe
(normas
A.P.A.):
Ttulo
(castellano
e
ingls)
Autores
y
liacin
Resumen
(castellano
e
ingls)
Introduccin:
Planteamiento
del
problema.
Revisin
de
la
literatura
sobre
el
mismo
(leer
chero
cmo
citar).
Planteamiento
explcito
de
las
hiptesis.
Mtodo:
-
ParJcipantes
-
Materiales
-
Aparatos
-
Procedimiento
Resultados:
Anlisis
estadsKcos
inferenciales
de
los
resultados
hallados.
Tablas
y
grcos,
si
proceden.
Discusin:
Implicaciones
de
los
resultados
para
la
hiptesis
planteadas
y
las
teoras
explicaKvas
del
problema
de
invesKgacin.
Referencias:
Todo
trabajo
que
en
el
texto
del
informe
se
cite
alguna
vez
(p.e.
Metlzo,
2000)
debe
aparecer
su
referencia
completa
en
el
apartado
de
referencias
.
Hay
tres
Kpos
disKntos
de
referencias:
-
Libros,
p.e.:
Pardo,
A.
y
SanmarVn,
R.
(1995).
Anlisis
de
datos
en
psicologa
II.
Madrid:
Pirmide.
-
ArVculos,
p.e.:
Westmeyer,
H.
y
Hagebock,
J.
(1992).
Computer-assisted
assessment:
A
normaKve
perspecKve.
European
Journal
of
Psychological
Assessment,
8,
1-16.
-
Captulos
de
un
libro,
p.e.:
SKnson,
C.H.
y
Palmer,
S.E.
(1991).
Pararell
distributed
processing
models
of
person
schemas
and
pathologies.
En
M.J.
Horowitz
(ed.),
Person
schemas
and
maladap,ve
interpersonal
paQerns.
Chicago:
University
of
Chicago
Press.
19
Tema
1.
InvesKgacin
en
Psicologa
C)
LA
ETICA
EN
LA
INVESTIGACION.
La
invesKgacin
ha
de
respetar
los
derechos
de
los
parKcipantes
(sean
stos
personas
o
animales):
No
todo
es
lcito
y
jusKcable
en
nombre
de
la
Ciencia.
P.e.
experimentos
sobre
obediencia
de
Milgram,
o
dejar
grupos
control
sin
tratamiento
clnico.
El
Colegio
Ocial
de
Psiclogos
de
Espaa
(www.cop.es)
elabora
y
revisa
un
cdigo
deontolgico
que
todo
graduado
en
Psicologa
Kene
la
obligacin
de
conocer
y
de
cumplir
(ver
cuadro
2.13,
pp.
48
de
Len
y
Montero):
los
sujetos
han
de
estar
bien
informados
de
los
objeKvos
de
la
invesKgacin
y
de
los
riesgos
que
corren
por
parKcipar.
han
de
parKcipar
voluntariamente,
dar
su
autorizacin
(por
escrito
si
hay
algn
riesgo
para
su
salud)
y
poder
abandonar
cuando
quieran
si
as
lo
desean
evitar
los
procedimientos
crueles
y
el
sufrimiento
Zsico
y
psicolgico
de
los
sujetos,
siempre
que
sea
posible
evitar
engaar
a
los
sujetos
y
cuando
esto
no
sea
posible,
decirles
la
verdad
inmediatamente
mantener
la
condencialidad
de
los
datos
de
los
sujetos
(secreto
profesional)
emplear
tratamientos
clnicos
que
han
demostrado
su
ecacia
experimentalmente
no
dejar
sin
tratamiento
a
los
sujetos
del
grupo
control,
cuando
su
patologa
exiga
tratamiento
(en
ese
caso
administrarles
el
mejor
tratamiento
conocido
hasta
la
fecha)
no
falsicar
datos
(p.e.
Burt)
no
plagiar.
Ejercicios
del
libro
de
Gambara
(pps
8
a
68,
a.i.)
20
Tema
2.
Diseos
experimentales
21
Tema
2.
Diseos
experimentales
22
Tema
2.
Diseos
experimentales
25
Tema
2.
Diseos
experimentales
28
Tema
2.
Diseos
experimentales
29
Tema
2.
Diseos
experimentales
El concepto de interaccin
Una
forma
intuiKva
de
entender
si
dos
VIs
interactan
o
no
es
observar
las
grcas
de
lneas
de
las
medias
de
las
AxB
condiciones
experimentales
y
ver
si
son
paralelas
(en
cuyo
caso
no
habr
interaccin)
o
no
son
paralelas
(habr
interaccin).
De
todos
modos
la
representacin
grca
de
las
medias
slo
nos
da
una
idea
intuiKva
de
si
dos
variables
interactan
o
no.
Para
conrmar
dicha
suposicin
deberemos
aplicar
el
ANOVA.
Imaginemos
que
estamos
trabajando
con
un
diseo
factorial
inter
3x2
y
representramos
las
medias
de
dichos
6
tratamientos:
31
Tema
2.
Diseos
experimentales
32
Tema
2.
Diseos
experimentales
33
Tema
2.
Diseos
experimentales
B)
Diseos
de
bloques
al
azar
Son
un
Kpo
especial
de
diseos
inter
donde
controlamos
una
(o
varias)
variable
extraa
(VE)
mediante
la
creacin
de
grupos
homogneos
respecto
a
ella.
A
dicha
VE
se
la
llama
variable
de
bloqueo.
P.e.
si
queremos
comparar
la
ecacia
de
tres
mtodos
de
enseanza
podra
ser
conveniente
bloquear
la
inteligencia
de
los
sujetos
en
2,
3,
4,
niveles
de
bloqueo.
El
procedimiento
a
seguir
para
bloquear
una
VE
es:
1)
determinaremos
los
niveles
a
controlar
de
la
VE
(dos
como
mnimo),
2)
formaremos
grupos
homogneos
de
sujetos
respecto
a
dichos
niveles
de
la
variable
de
bloqueo
y
3)
asignaremos
aleatoriamente
los
sujetos
de
cada
uno
de
los
niveles
de
la
variable
de
bloqueo
a
los
niveles
de
la(s)
VI.
Dicha
asignacin
aleatoria
se
encargar
de
controlar
el
resto
de
VE.
Un
caso
especial
de
diseos
de
bloques
al
azar
es
cuando
formamos
parejas,
tros,
cuartetos,
de
personas
igualadas
en
alguna
VE,
y
asignamos
luego
al
azar
los
sujetos
a
los
tratamientos.
En
este
caso
el
nmero
de
niveles
de
la
variable
de
bloqueo
sera
igual
al
nmero
de
parejas,
ternas,
cuartetos,
con
que
contemos.
La
variable
de
bloqueo
se
analiza
estadsKcamente
como
si
fuera
una
VI
ms
(es
decir
analizaremos
tanto
sus
efectos
principales
como
si
interacta
con
la
VI).
Al
ser
los
grupos
ms
homogneos
la
varianza
de
error
del
diseo
disminuye,
aumentando
as
la
probabilidad
de
rechazo
de
la
Ho.
El
principal
problema
de
los
diseos
de
bloques
es
la
mortandad
experimental
que
desequilibra
los
grupos.
Hay
otros
Kpos
de
diseos
de
bloques
como
los
cuadrados
laKnos
y
cuadrados
grecolaKnos
que
no
veremos
aqu
por
su
escaso
empleo
en
experimentacin.
34
Tema
2.
Diseos
experimentales
C)
Diseos
intrasujeto
o
de
medidas
repeKdas
En
ellos
las
VI
son
intrasujeto
(una
nica
muestra
de
sujetos
pasa
por
todos
los
niveles
de
la
VI),
lo
que
conlleva
una
serie
de
ventajas:
1)
ms
economa
de
recursos
materiales
y
humanos
involucrados
en
la
invesKgacin;
2)
menor
varianza
de
error
lo
que
implica
mayor
probabilidad
de
rechazo
de
la
Ho.
Entre
los
principales
inconvenientes
de
este
Kpo
de
diseo
estn:
1) se
inmiscuye
siempre
en
ellos
el
efecto
de
la
prcKca
que
deberemos
controlar
bien
presentando
los
tratamientos
en
un
orden
aleatorio
disKnto
para
cada
sujeto
o
bien
desarrollando
todas
las
secuencias
posibles
de
los
tratamientos
y
presentado
una
disKnta
a
cada
sujeto
(contrabalanceo)
2)
no
todas
las
VI
son
suscepKbles
de
ser
manipuladas
intrasujeto:
- p.e.
las
variables
manipuladas
por
seleccin
(cuasi-experimentacin)
son
siempre
entre
- cuando
los
efectos
de
la
VI
son
persistentes
en
el
organismo
de
los
sujetos
(p.e.
tratamientos
farmacolgicos
o
clnicos).
Es
decir,
slo
podrn
ser
VI
intra
aquellas
que
produzcan
efectos
en
los
sujetos
que
se
eliminan
completamente
entre
un
tratamiento
y
otro.
Los
diseos
intra
se
analizan
mediante
ANOVAs
intra.
En
SPSS:
Analizar
>
Modelo
Lineal
General
>
Medidas
repeKdas
>
Opciones:
Mostrar
medias
para
A,
B
y
AB,
+
comparar
los
efectos
principales
(Bonferroni)
+
esKmaciones
del
tamao
del
efecto
(=eta
cuadrado).
35
Tema
2.
Diseos
experimentales
38
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
39
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
El
programa
SPSS.
Recordemos
que
los
datos
se
introducen
en
el
editor
de
datos
as:
cada
la
representa
un
sujeto
disKnto
y
cada
columna
una
variable
disKnta.
As
si
comparamos
dos
muestras
independientes
de
12
sujetos
cada
una
en
una
VD,
uKlizaremos
24
las
y
2
columnas
(1
para
la
VD
y
otra
para
la
VI
para
indicar
el
grupo:
p.e.
1
vs
2).
Pero
si
queremos
comparar
el
rendimiento
de
12
sujetos
medidos
2
veces
en
una
VD
(o
dos
muestras
relacionadas
o
apareadas)
uKlizaremos
12
las
y
2
columnas
(que
representarn
las
dos
mediciones
en
la
VD).
40
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
44
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
- Analizamos
los
datos
con
una
prueba
no
paramtrica
de
Kruskall-Wallis
que
mostr
que
exisVan
diferencias
signicaKvas
entre
las
medias
de
las
tres
condiciones
(258=3.21,
p=0.02).
Pruebas
a
posteriori
por
pares
de
Mann-Whitney
mostraron
que
exisVan
diferencias
signicaKvas
entre
las
condiciones
no
exisVan
diferencias
signicaKvas
entre
las
medias
de
las
tres
condiciones
(258=1.21,
ns).
46
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
47
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
- Analizamos
los
datos
con
una
prueba
no
paramtrica
de
Friedman
que
mostr
que
exisVan
diferencias
signicaKvas
entre
las
medias
de
las
tres
condiciones
(258=3.21,
p=0.02).
Pruebas
a
posteriori
por
pares
de
Wilcoxon
mostraron
que
exisVan
diferencias
signicaKvas
entre
las
condiciones
no
exisVan
diferencias
signicaKvas
entre
las
medias
de
las
tres
condiciones
(258=1.21,
ns).
48
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
50
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
51
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
53
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
55
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
Tema
3.
Anlisis
estadsKco
de
diseos
experimentales
57
Temas
4
y
6.
Diseos
cuasiexperimentales
y
ex
post
facto
58
Temas
4
y
6.
Diseos
cuasiexperimentales
y
ex
post
facto
Temas
4
y
6.
Diseos
cuasiexperimentales
y
ex
post
facto
Dado
que
trabajamos
con
un
nico
sujeto
no
se
pueden
aplicar
las
pruebas
estadsKcas
convencionales,
por
lo
que
la
ecacia
del
tratamiento
se
suele
presentar
tan
slo
mediante
grcos.
64
Tema
5.
Diseos
experimentales
de
caso
nico
b)
Aplicar
la
terapia
que
sea
(refuerzos,
casKgo,
relajacin,
frmacos,
economa
de
chas,
Kempo
fuera,
aproximaciones
sucesivas,
etc.)
y
conKngentemente
repeKr
la
serie
de
registros
sobre
la
misma
conducta
patolgica
(o
fase
B
o
tratamiento).
c)
Interpretacin
de
los
resultados.
Por
tradicin
del
anlisis
experimental
de
la
conducta
se
suele
hacer
por
medio
de
un
simple
anlisis
visual
de
las
grcas.
De
todos
modos
hay
que
cerciorarse
de
que
tengamos
sucientes
registros
por
serie,
prestando
singular
atencin
a
los
cambios
de
tendencia
y
de
nivel
de
la
variable
dependiente,
y
desconando
cuando
sta
muestre
mucha
variabilidad.
Hay
pruebas
estadsKcas
que
nos
pueden
ayudar
a
salir
de
dudas,
p.e.
anlisis
de
series
temporales,
tcnica
de
divisin
en
mitades,
etc.
pero
suelen
ser
diZciles
de
interpretar.
65
Tema
5.
Diseos
experimentales
de
caso
nico
68
Tema
7.
Diseos
de
encuestas
71
Tema
7.
Diseos
de
encuestas
Tipos
de
muestreo:
1) No
probabilsKco
(plantea
problemas
de
validez
externa):
-
Muestras
accidentales
(sesgadas.
p.e.
encuestas
en
peridicos)
-
Muestreo
a
propsito,
p.e.
para
ensayos
piloto.
-
Muestreo
de
poblaciones
de
dcil
localizacin
(p.e.
drogodependientes,
poblaciones
clnicas,
etc.)
72
Tema
7.
Diseos
de
encuestas
Tipos
de
muestreo:
2)
ProbabilsKcos:
Aleatorio
simple.
Slo
se
emplea
en
poblaciones
(pequeas)
donde
tengamos
una
lista
de
todos
los
individuos.
SistemKco:
supone
elegir
al
azar
un
individuo
de
los
N/n
primeros
(o
entero
ms
prximo)
de
una
poblacin
y
luego
ir
escogiendo
los
situados
de
N/n
en
N/n
posiciones
ms
alejadas
hasta
conformar
una
lista
de
tamao
n.
EstraKcado
(proporcional
o
no):
Para
poblaciones
estraKcadas
(p.e.
en
provincias)
calculamos
la
proporcin
de
sujetos
de
la
poblacin
que
componen
cada
estrato
y
luego
mulKplicamos
dicha
proporcin
por
el
tamao
de
mi
muestra
n
(concepto
de
ajacin).
Luego
podemos
elegir
individuos
al
azar
dentro
de
cada
estrato.
Por
conglomerados.
Se
aplica
tambin
en
poblaciones
estraKcadas,
pero
a
diferencia
del
muestreo
estraKcado
(donde
se
muestrean
todos
los
estratos),
aqu
no
muestreamos
todos
los
estratos
si
no
slo
una
muestra
aleatoria
de
los
mismos
(es
decir,
los
estratos
que
no
entran
en
dicha
muestra
aleatoria
no
son
encuestados).
Polietpico:
Combinacin
de
todos
los
anteriores.
P.e.
siguiendo
un
procedimiento
estraKcado
o
por
conglomerados
ajar
el
tamao
muestral
adecuado
a
cada
estrato
y
luego
elegir
una
ruta
aleatoria
por
cuotas
de
edad,
sexo,
etc.
73
Tema
7.
Diseos
de
encuestas
Tamao
muestral:
Depende
entre
otras
cosa
del
tamao
de
la
poblacin,
del
nivel
de
conanza,
y
del
error
de
muestreo
(=
o
la
mitad
de
la
amplitud
del
intervalo
condencial
del
parmetro
a
esKmar)
dispuestos
a
asumir.
Con
ello
consultaremos
cualquier
tabla
de
los
libros
de
estadsKca
(ver
p.e.
Len
y
Montero,
2003,
pp.
111)
Tanto
el
Kpo
de
muestro
uKlizado
como
los
anteriores
parmetros
deben
de
reejarse
claramente
en
la
cha
tcnica
de
la
encuesta .
74
Tema
7.
Diseos
de
encuestas
76
Tema
7.
Diseos
de
encuestas
DISEOS
DE
ENCUESTAS:
La
taxonoma
ms
aceptada
suele
disKnguir
entre:
diseos
transversales:
una
muestra
medida
una
sola
vez.
Son
los
ms
uKlizados.
diseos
longitudinales,
donde
se
persigue
analizar
cmo
una
poblacin
cambia
en
el
Kempo
(p.e.
en
su
tendencia
de
voto).
Cabe
hablar
de
varios
Kpos:
1. Cuando
la
misma
muestra
es
encuestada
ms
de
una
vez
(p.e.
antes
y
despus
de
una
campaa
polKca
o
publicitaria)
se
habla
de
diseos
de
panel.
Su
principal
problema
es
la
mortandad.
2. Ms
comn
es
encuestar
muestras
disKntas
(pero
equivalentes)
en
disKntos
momentos
temporales
(como
se
hace
en
los
sondeos
de
intencin
de
voto,
barmetro
del
CIS,).
Se
les
llama
diseos
de
tendencias.
3. En
los
diseos
de
cohorte
se
estudia
la
evolucin
de
una
cohorte
(o
generacin)
a
lo
largo
del
Kempo
y/o
su
contrastacin
con
otras
cohortes
(p.e.
educados
en
la
dcada
de
los
60
vs
educados
en
la
dcada
actual).
Ejercicios
del
libro
de
Gambara
(pps
32
a
55,
a.i.)
77
Tema
8.
InvesKgacin
observacional
B)
CMO
OBSERVAR:
En
primer
lugar
hemos
de
decidir
sobre
el
grado
de
intervencin
del
invesKgador:
Podemos
elegir
entre
no
intervenir
para
nada
en
la
observacin
(observacin
naturalista,
que
es
la
que
provoca
menos
reactancia
en
los
sujetos),
intervenir
lo
menos
posible
(en
la
observacin
parKcipante
o
en
el
estudio
de
casos
clnicos)
hasta
intervenir
plenamente
(p.e.
en
estudios
etnogrcos).
En
la
actualidad
es
de
muchsima
uKlidad
el
uso
de
video-cmaras
para
facilitar
la
observacin
sin
intervenir
en
ella.
Hay
que
dar
un
Kempo
de
habituacin
a
los
sujetos
y
pedirles
permiso
por
escrito
para
grabarles.
Podemos
elegir
entre
llevar
a
cabo
un
mero
registro
verbal
de
lo
observado,
pero
es
mejor
uKlizar
planJllas
de
registro
observacional
(
cdigos
de
observacin)
formadas
por
categoras
excluyentes
y
exhausKvas
situadas
en
un
mismo
nivel
de
anlisis
(ver
consejos
Len
y
Montero,
pps.
87-88).
En
ellas
deberemos
decidir
si
vamos
a
medir:
Ocurrencias
(s-no)
Frecuencias
(absolutas
o
relaKvas)
Latencias
(Kempo
que
tarda
un
sujeto
en
responder
a
un
esVmulo)
Duracin
de
una
conducta
Intensidad
de
una
conducta
La
documentacin
previa
y
realizacin
de
uno
o
varios
registros
previos
asistemKcos
nos
darn
retroalimentacin
sobre
la
adecuacin
o
no
de
las
categoras
que
hemos
elegido.
81
Tema
8.
InvesKgacin
observacional
C)
CUANDO
OBSERVAR:
Lo
ideal
sera
observar
siempre
al
objeto
de
estudio
pero
eso
casi
nunca
es
posible.
Por
ello
se
suelen
uKlizar
muestreos
de
Kempo,
bien
sistemKcos
o
jos
(p.e.
siempre
a
la
misma
hora
o
coincidiendo
con
determinadas
conductas),
bien
aleatorios
(empleando
mtodos
de
muestreo).
Y
pudiendo
elegir
tambin
entre
muestreos
conKnuos
(registramos
todo
lo
que
ocurre
en
un
determinado
periodo
de
Kempo)
o
por
intrvalos
(intercalando
periodos
de
observacin
con
periodos
de
registro).
D)
DONDE
OBSERVAR:
Cabe
aqu
lo
dicho
arriba.
Casi
nunca
es
posible
observar
en
todas
las
situaciones
al
sujeto
observado,
por
lo
que
se
suele
recurrir
a
los
muestreos
de
situaciones,
bien
sistemKcos,
bien
aleatorios.
82
Tema
8.
InvesKgacin
observacional
ANALISIS
DE
LA
FIABILIDAD
Es
imprescindible
que
nuestras
observaciones
sean
ables.
Para
demostrarlo
hay
que
analizar
el
grado
de
acuerdo
o
consenso
entre
dos
o
ms
observadores
o
jueces
independientes
(entrenados
debidamente
y
ciegos
respecto
a
las
hiptesis):
Si
la
variable
observada
es
cuanKtaKva
o
semi-cuanKtaKva
se
uKliza
el
coeciente
de
correlacin
de
Pearson,
mientras
que
si
es
cualitaKva
se
uKliza
el
coeciente
Kappa
de
Cohen,
que
descuenta
la
probabilidad
de
coincidir
por
azar:
SSPS:
Analizar
>
Estads,cos
descrip,vos
>
Tablas
de
con,ngencia
+
Estads,cos
+
Kappa
En
cualquier
caso
se
exige
que
la
abilidad
interjueces
sea
como
mnimo
de
0.80.
Dicha
abilidad
debe
de
ser
siempre
incluida
en
el
informe.
83
Tema
8.
InvesKgacin
observacional
84